Bases de données. Modèle décisionnel. Jérôme Rocheteau. Lecture 8. Institut Catholique d Arts et Métiers Site de Nantes

Transcription

1 Bases de données Lecture 8 1 / 25 Bases de données Modèle décisionnel Jérôme Rocheteau Institut Catholique d Arts et Métiers Site de Nantes Lecture 8

2 Bases de données Lecture 8 2 / 25 1 Structure multidimensionnelle 2 Modèle décisionnel 3 Méthodologie

3 Bases de données Lecture 8 3 / 25 Structure multidimensionnelle 1 Structure multidimensionnelle Opérateur de regroupement Fonctions statistiques Synthèse de données Structures multidimensionnelles 2 Modèle décisionnel 3 Méthodologie

4 Bases de données Lecture 8 4 / 25 Cas d étude id Thématique nom 1 Système d information 2 Mécanique structurelle 3 Thermique

5 Bases de données Lecture 8 4 / 25 Cas d étude Cours id libellé thématique 1 Bases de données relationnelles 1 2 Développement web 1 3 Mécanique des structures 2 4 Analyse thermique 3

6 Bases de données Lecture 8 4 / 25 Cas d étude id Département intitulé 1 Matériaux 2 Mécanique 3 Énergétique 4 GEA 5 Informatique 6 Productique 7 Formation Humaine

7 Bases de données Lecture 8 4 / 25 Cas d étude Enseignant id prénom nom dép cdi 1 Lamya Belhaj Dominique Cavalin Jean-Michel Cavalin Virginie Gaillard Jérôme Rocheteau Jérôme Soto Pascal Vinot 2 1

8 Bases de données Lecture 8 4 / 25 Cas d étude Étudiant id prénom nom promotion 1 Alonzo Church Haskell Curry William Howard 116

9 Bases de données Lecture 8 4 / 25 Cas d étude Note date ens. cours étu. note

10 Bases de données Lecture 8 5 / 25 Opérateur de regroupement Comment obtenir la moyenne par étudiant? étudiant moyenne SQL 1 Moyenne par étudiant 1 select étudiant, avg( note ) as moyenne from Note 3 group by étudiant ;

11 Bases de données Lecture 8 6 / 25 Opérateur de regroupement Comment obtenir la moyenne par cours? cours moyenne SQL 2 Moyenne par cours 1 select cours, avg( note ) as moyenne from Note 3 group by cours ;

12 Bases de données Lecture 8 7 / 25 Opérateur de regroupement Moyenne par thématique et par étudiant? thématique étudiant moyenne SQL 3 Moyenne par thématique et étudiant 1 select thématique, étudiant, avg( note ) as moyenne from Note 3 inner j o i n Cours on Cours. id = Note. cours group by thémqtique, étudiant ;

13 Bases de données Lecture 8 8 / 25 Opérateur de regroupement Opérateur de regroupement group by Regroupement de n occurrences en 1 seule thématique cours étudiant moyenne

14 Bases de données Lecture 8 8 / 25 Opérateur de regroupement Opérateur de regroupement group by Regroupement de n occurrences en 1 seule thématique étudiant moyenne

15 Bases de données Lecture 8 8 / 25 Opérateur de regroupement Opérateur de regroupement group by Regroupement de n occurrences en 1 seule thématique étudiant moyenne Que faire des valeurs des autres attributs?

16 Bases de données Lecture 8 9 / 25 Fonctions statistiques Fonctions statistiques : count compte le nombre d occurrences regroupées max sélectionne le maximum du regroupement min sélectionne le minimum du regroupement sum calcule la somme du regroupement avg calcule la moyenne du regroupement

17 Bases de données Lecture 8 10 / 25 Synthèse de données Comment obtenir la moyenne par thématique? thématique étudiant moyenne

18 Bases de données Lecture 8 11 / 25 Synthèse de données Comment obtenir la moyenne par thématique? SQL 4 Synthèse par thématique et étudiant select thématique, étudiant, avg( note ) as moyenne 2 from Note inner j o i n Cours on Cours. id = Note. cours 4 group by thémqtique, étudiant with r o l l u p ; Opérateur de synthèse with rollup regroupe attribut par attribut débute par le dernier attribut (le plus à droite) termine par le 2 e attribut (à gauche) la valeur de la synthèse est null applique les fonctions statistiques spécifiées sur les autres attributs qui ne font pas l objet de la synthèse

19 Bases de données Lecture 8 12 / 25 Synthèse de données Moyenne par thématique ou par étudiant? thématique étudiant moyenne

20 Bases de données Lecture 8 13 / 25 Synthèse de données Comment obtenir la moyenne par thématique? SQL 5 Synthèse par thématique et étudiant select thématique, étudiant, avg( note ) as moyenne 2 from Note inner j o i n Cours on Cours. id = Note. cours 4 group by thémqtique, étudiant with cube; Opérateur de synthèse with cube union de requêtes avec with rollup permutation de tous les attributs synthétisés

21 Bases de données Lecture 8 13 / 25 Synthèse de données Comment obtenir la moyenne par thématique? SQL 6 Synthèse par thématique et étudiant select thématique, étudiant, avg( note ) as moyenne 2 from Note inner j o i n Cours on Cours. id = Note. cours 4 group by thémqtique, étudiant with r o l l u p 6 union 8 select thématique, étudiant, avg( note ) as moyenne from Note 10 inner j o i n Cours on Cours. id = Note. cours group by étudiant, thémqtique with r o l l u p ;

22 Bases de données Lecture 8 14 / 25 Structures multidimensionnelles SQL 7 Synthèse par enseignant, cours et étudiant 1 select enseignant, 3 cours, étudiant, 5 avg( note ) as moyenne from Note 7 group by enseignant, cours, étudiant with cube;

23 Bases de données Lecture 8 15 / 25 Structures multidimensionnelles enseignant cours étudiant moyenne

24 Bases de données Lecture 8 16 / 25 Structures multidimensionnelles Church Curry Howard Cavalin Rocheteau Vinot Bases de d. Dév. web Méca. des struct.

25 Bases de données Lecture 8 16 / 25 Structures multidimensionnelles Note de Church en bases de données Church Curry Howard Méca. des struct. Cavalin Rocheteau Vinot Bases de d. Dév. web

26 Bases de données Lecture 8 17 / 25 Modèle décisionnel 1 Structure multidimensionnelle 2 Modèle décisionnel Schéma en étoile Table de faits Dimensions Hiérarchies 3 Méthodologie

27 Bases de données Lecture 8 18 / 25 Modèle décisionnel Comment bien utiliser ces fonctionnalités? modèle conceptuel arborescent une entité centrale (table de faits) des entités périphériques (dimensions) récursivité de l arborescence (hiérarchies) associations de type 1-N cardinalité 1..1 vers l intérieur cardinalité 0..n vers l extérieur schéma en étoile = modèle décisionnel

28 Bases de données Lecture 8 19 / 25 Schéma en étoile Enseignant Cours 0..n 0..n 1-N 1-N Note N 1-N 0..n 0..n Date Étudiant

29 Bases de données Lecture 8 19 / 25 Schéma en étoile Enseignant Cours Note Date Étudiant

30 Bases de données Lecture 8 19 / 25 Schéma en étoile Département Thématique Enseignant Cours Note Date Étudiant Promotion

31 Bases de données Lecture 8 20 / 25 Table de faits Département Table de faits Thématique Enseignant Cours Note Date Étudiant Promotion

32 Bases de données Lecture 8 21 / 25 Dimensions Département Dimension Thématique Enseignant Cours Note Date Étudiant Promotion

33 Bases de données Lecture 8 21 / 25 Dimensions Département Dimension Thématique Enseignant Cours Note Date Étudiant Promotion

34 Bases de données Lecture 8 21 / 25 Dimensions Département Dimension Thématique Enseignant Cours Note Date Étudiant Promotion

35 Bases de données Lecture 8 21 / 25 Dimensions Département Dimension Thématique Enseignant Cours Note Date Étudiant Promotion

36 Bases de données Lecture 8 22 / 25 Hiérarchies Département Hiérarchie Thématique Enseignant Cours Note Date Étudiant Promotion

37 Bases de données Lecture 8 22 / 25 Hiérarchies Département Hiérarchie Thématique Enseignant Cours Note Date Étudiant Promotion

38 Bases de données Lecture 8 22 / 25 Hiérarchies Département Hiérarchie Thématique Enseignant Cours Note Date Étudiant Promotion

39 Bases de données Lecture 8 22 / 25 Hiérarchies Département Dimension Thématique Enseignant Cours Note Date Étudiant Promotion

40 Bases de données Lecture 8 22 / 25 Hiérarchies Hiérarchie Note Date Semestre Année

41 Bases de données Lecture 8 23 / 25 Expression du besoin Conception Méthodologie Modèle décisionnel Validation Transformation Structures multidimensionnelles Modèle relationnel Synthèse Magasin de données Extraction

42 Bases de données Lecture 8 24 / 25 Méthodologie Expression du besoin Données, table ou relation Modèle décisionnel schéma en étoile Magasin de données base de données Structures multidimensionnelles cubes OLAP

43 Bases de données Lecture 8 25 / 25 Méthodologie Conception déduire la table de faits, ses dimensions, les hiérarchies éventuelles et leurs propriétés Transformation définir le schéma de relations Extraction insérer des données dans les relations procéder dimension par dimension commencer par la hiérarchie externe continuer vers la hiérarchie interne terminer par la table de faits Synthèse effectuer les requêtes SQL Validation vérifier le résultat obtenu