WHITE PAPER. Des roues de données pour l analyse temps réel
|
|
- Adeline Dumont
- il y a 8 ans
- Total affichages :
Transcription
1 WHITE PAPER Des roues de données pour l analyse temps réel Mai 2007
2 introduction Visual Sciences a créé une nouvelle génération de moteur d analyse de données temps réel qui fait appel au concept des roues de données. Les roues de données autorisent une vitesse fulgurante pour les requêtes de type analytique. Cette vitesse permet aux architectes et aux utilisateurs d éviter les compromis imposés en matière de conception lors de l utilisation de solutions moins efficaces (bases de données relationnelles et outils OLAP, par exemple). Les roues de données constituent une technologie mûre, utilisée avec succès depuis des années dans des entreprises de haut niveau par les équipes informatiques, les cadres, et les directeurs pour donner du sens aux innombrables informations qui leur parviennent. 2
3 Une analyse des données nécessaire Les décideurs d aujourd hui font face à une explosion de données. Non seulement le nombre d éléments suivis clients, produits, campagnes et transactions prolifère, mais la quantité d information enregistrée pour chaque événement augmente avec l introduction accrue de technologies de capture automatique de données. Les grandes entreprises génèrent des téraoctets voire des péta-octets de données vitales concernant chaque aspect de leurs clients et des opérations qui les concernent. Dans de nombreuses industries, la capacité à assimiler ces données pour optimiser les performances de l entreprise est devenue une arme concurrentielle essentielle. Bases de données Une base de données relationnelle est ce qui se rapproche le plus d un outil universel en ce qui concerne le traitement de «données». Des années de progrès ont doté les systèmes de gestion de bases de données tels qu Oracle, Microsoft SQL Server et MySQL de fonctionnalités couvrant quasi tous les scénarii d analyse imaginables. Les bases de données conviennent particulièrement aux applications de traitement transactionnel en ligne (OLTP) insertion de nouveaux enregistrements, extraction d enregistrements existants et suppression d enregistrements. Bien conçues, elles se chargent de ces opérations en garantissant sécurité absolue, intégrité des transactions, piste d audit et haute disponibilité. Toutefois, étant donné que les bases de données relationnelles sont optimisées pour le traitement des transactions, leurs structures de données et leurs capacités de calcul ne conviennent souvent pas bien à une application analytique lorsqu il s agit de traiter l ensemble des données et non plus un enregistrement individuel. Dans la terminologie des bases de données, on dit que ces requêtes de type analytique nécessitent un «balayage complet des tables», une opération lente qui ne peut pas faire appel aux index et partitions que les bases de données utilisent généralement pour accélérer leurs requêtes OLAP L utilité des applications analytiques a fait émerger l idée du traitement analytique en ligne (OLAP). Les systèmes OLAP fonctionnent au-dessus des bases de données existantes pour fournir des réponses rapides à des questions analytiques, et sont construits selon le principe des «cubes». Les cubes récapitulent les réponses à ces questions fréquentes sous la forme d ensembles numériques comprenant des totaux précalculés (par exemple le nombre d unités vendues) pour chaque combinaison de chaque dimension (telle que le jour, le produit et le magasin). Les cubes sont généralement construits la nuit à partir de la base de données et sont ajoutés à un entrepôt de données, qui n est pas soumis aux exigences du traitement transactionnel en temps réel. Étant donné que les totaux de chaque combinaison ont été précalculés, les cubes fournissent des réponses rapides à n importe quelle requête qui peut être définie par les dimensions du cube. Combien d unités de produits détergents ont été vendues à Paris en Mars? Le cube donne la réponse immédiatement. 3
4 Les cubes souffrent toutefois de quatre limitations pénibles : La vitesse: Bien qu un cube précalculé fournisse des réponses rapides, la création de ce cube est une opération qui prend du temps et qui comprend de multiples étapes. Le système transactionnel doit traiter de nouvelles transactions, ce qui signifie que les données transactionnelles doivent être extraites et chargées régulièrement dans l entrepôt de données, et que les cubes doivent être recalculés régulièrement aussi. Cela implique également que les données des cubes sont dépassées, généralement entre un jour et une semaine. L échelle: Les cubes, qui sont censés fournir une synthèse compacte de données, peuvent eux-mêmes devenir assez volumineux. Leur taille peut même devenir supérieure à celle des données détaillées à partir desquelles ils sont compilés! Par conséquent, le matériel, le logiciel, l espace de stockage et le personnel requis sont substantiels, et peuvent occasionner des coûts se calculant en millions d euros. De plus, à mesure que les ensembles de données grandissent et que la complexité des requêtes croît, le coût de la mise à l échelle d un système de cubes peut augmenter de manière exponentielle (voir encadré). Complexité: Les cubes reposent sur le concept théorique selon lequel, en anticipant les critères utilisés fréquemment dans les requêtes et en effectuant des calculs préalables basés sur ces dimensions, il est possible de répondre rapidement aux requêtes anticipées. Cependant, dans ce schéma, il n est tout simplement pas possible d obtenir de réponse pour les requêtes qui n ont pas été anticipées (les ventes par heure plutôt que par jour) ou pour les requêtes complexes (parmi ceux qui ont acheté des marteaux, combien ont aussi acheté des scies). Les données nécessaires ont été synthétisées, et ne sont donc plus disponibles. Non, vraiment de manière exponentielle Exemple: Base de données simple contenant un million de transactions, chacune définissant l âge, le sexe, la référence produit, avec le code postal et le revenu. Votre objectif: Obtenir des chiffres de revenu décomposés selon chacune de ces quatre dimensions. HYPOTHÈSES: Soit 100 âges possibles, 2 sexes, produits et codes postaux. Pour une analyse sans limitation, un cube doit calculer une valeur pour chacune des combinaisons possibles. Combien cela va-t-il faire? 100 x 2 x 10,000 x 43,000 = 86 milliards de combinaisons (Le même genre de calcul qui fait dire aux constructeurs automobiles qu ils ont configurations possibles.) Comme chaque réponse correspond à quelques octets, cela engendre un cube d un téraoctet et demi. Mais ce n est pas tout à fait juste. Si les systèmes OLAP étaient si mauvais, ils ne fonctionneraient pas réellement, n estce pas? Eh bien, en réalité, un système OLAP laisserait probablement tomber les produits «moins importants» parmi les qui sont gérés. C est un principe bien connu qu on appelle «roll off» dans l industrie. Cela permet de rationaliser les calculs (le cube ne fait que 2 Go maintenant), mais l inconvénient est évident. Autrement, vous pouvez décider de ne pas décomposer les produits par code postal, dans la mesure où ce sont ces deux dimensions qui font exploser les données. Cela nous laisse deux petits cubes (de 15 Mo et de 65 Mo), mais sans possibilité de déterminer quel revenu vient de quel code postal pour un produit particulier. Imaginez les défis qui se dressent à mesure que le nombre de dimensions croît, de 4 à 5, ou 6. En situation réelle, de nombreuses entreprises ont des dizaines voire des centaines de dimensions. Un cube complet, nécessaire pour un accès sans limitation et une analyse sans compromis, devient alors incroyablement volumineux. Comme vous pouvez l imaginer, les entreprises OLAP ont usé de beaucoup de subtilité pour que ces compromis restent invisibles en concevant des interfaces qui restreignent par nature l analyse ou, si nécessaire, en construisant de nouveaux cubes qui seront disponibles le lendemain de façon à pouvoir à nouveau répondre rapidement aux questions. Bien entendu, à mesure que l espace se remplit, d autres éléments doivent disparaître. Même avec cette sophistication, le principe mathématique de base demeure et, en réalité, les options de filtrage et d analyse restent très limitées. 4
5 La granularité : Il existe des limites pratiques au nombre de valeurs d une quelconque dimension, ce qu on appelle la «cardinalité» d un cube, qui correspondent généralement à quelques centaines voire milliers d unités. Si une entreprise gère dix milles articles, ou dix millions de clients, ou dix milliards de transactions, il n est pas possible de capturer dans le cube les détails granuleux de chaque article, client ou transaction. Les cubes engendrent une perte d information. Ils ne sont pas en mesure de suivre les transactions individuelles, les clients individuels ou les groupes de clients qui présentent un comportement précis. Pour une analytique robuste, cet aspect est quasi fatal. Des roues Le concept de «roues» que nous souhaitons introduire comme solution supérieure pour l analyse de données présente un ensemble fondamentalement différent de compromis en termes de performance, avec une analyse quasi sans limitation. Illustrons la roue en prenant l exemple d un tapis bagages à l aéroport, les valises en circulation étant les données individuelles. Pour introduire une question sur les données, vous marchez jusqu au tapis, vous notez la valise devant vous et vous comptez en additionnant les résultats. Lorsque vous revoyez la première valise, vous arrêtez de compter et vous montrez les résultats : 34 valises noires et 14 valises rouges. Si deux personnes doivent introduire une question, elles peuvent toutes deux accéder au tapis et rester durant un tour complet. Elle peuvent aussi commencer à observer le tapis tourner à différents moments. Une roue de données ne cesse jamais de tourner ; une requête peut intervenir à n importe quel moment et attendre la fin d un tour. Dans cette analogie, la base de données correspond à un grand nombre de rayonnages portant des valises classées par ordre alphabétique suivant le nom de famille du client. Ce système permet d insérer ou de trouver une nouvelle valise rapidement, mais examiner toutes les valises prendrait beaucoup de temps il faudrait les retirer des rayonnages l une après l autre. Le système OLAP quant à lui consisterait à avoir une feuille de papier récapitulant certaines statistiques concernant les valises qui se trouvaient sur le tapis bagages le jour précédent (avec une note dans le bas indiquant «pour en savoir plus, voir les rayonnages»). L implémentation du principe des roues par Visual Sciences autorise la mémorisation d une hiérarchie flexible d informations dans chaque «valise». Par exemple, imaginons que chaque valise représente un client. La valise peut contenir la liste de toutes les transactions précédentes concernant le client, avec les postes individuels de chacune de ces transactions. Il est bien sûr possible d associer des centaines d informations avec chaque client, transaction et poste individuel. Par ailleurs, Visual Sciences garantit que les valises sur le tapis apparaîtront dans un ordre complètement aléatoire (la compagnie aérienne se charge très bien de cela!). C est une propriété très intéressante : à tout moment, une requête considérant les données a vu un instantané aléatoire de la base de données totale. Cela permet de calculer des réponses approximatives très rapidement en extrapolant le résultat à l ensemble des données. Ce mode de fonctionnement ne se révélera pas nécessairement efficace avec 50 valises mais, avec des millions ou des milliards de données, il permet d obtenir une estimation très précise du compte final quasi instantanément. 5
6 Faire tourner les roues à toute vitesse L implémentation des roues par Visual Sciences se concentre sur la vitesse. Le concept des roues autorise des vitesses élevées, mais ne les ordonne pas d avance. Visual Sciences a ainsi optimisé considérablement ses roues pour les faire tourner à haute vitesse avec une foule de données. Pour cela, elle a mis au point plusieurs technologies qui constituent de réelles percées: des algorithmes et des structures de données sophistiqués pour optimiser les volumes de requête sur disque dur afin de garantir un débit maximum une technologie de génération de code natif qui compile le code optimisé à la volée afin d accélérer les performances des requêtes des systèmes de fichiers, une gestion de la mémoire et une mise en cache des disques exclusifs des techniques de compression hautes performances une extensibilité par la mise en œuvre de processeurs multiples une extensibilité par agrégation de multiples systèmes Ensemble, ces technologies nous permettent de tirer le maximum de l architecture des roues sur du matériel courant. Au final, il est souvent possible de répondre aux requêtes des centaines voire des milliers de fois plus vite qu avec des systèmes de bases de données poursuivant les mêmes buts. Par exemple, des clients nous ont confié que des questions qui recevaient auparavant une réponse deux jours plus tard sont maintenant réglées en quatre minutes. Nos clients utilisent plus souvent notre plate-forme pour se libérer des chaînes de l OLAP et analyser leurs données sans agrégation préalable et sans les limitations associées en ce qui concerne les requêtes. L élimination du «roll off» permet d analyser et de décortiquer l énorme réserve de vos données. L inclusion de l intégralité de vos dimensions dans votre ensemble de données autorise une analyse enrichie et permet d étudier des relations moins évidentes. Les réponses correspondent toujours aux données les plus récentes. La segmentation s effectue à la volée, jusqu aux éléments les plus fins des données pour une analyse chirurgicale. En bref, la vitesse fait tout : la capacité à répondre aux requêtes à la vitesse de l OLAP avec la flexibilité des bases de données procure un avantage concurrentiel substantiel. Conclusion La nouvelle architecture en «roues» de Visual Sciences déplace fondamentalement l ensemble de compromis lors du choix d une solution d analyse de données. Cette capacité à traiter des volumes élevés de données en temps réel sans agrégation préalable renvoie les solutions existantes à leurs limites : les bases de données relationnelles sont trop lentes, et les cubes OLAP trop limités. 6
7 Corporate Headquarters Telesis Court San Diego, CA [P] [F] EMEA Headquarters Neptunusstraat JA Hoofddorp [P] +31 (0) [F] +31 (0) UK Headquarters Chandos Place Covent Garden London, WC2N 4LP [P] +44 (0) [F] +44 (0)
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 détailPrésentation 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 détailtransformer en avantage compétitif en temps réel vos données Your business technologists. Powering progress
transformer en temps réel vos données en avantage compétitif Your business technologists. Powering progress Transformer les données en savoir Les données sont au cœur de toute activité, mais seules elles
Plus en détailEcole des Hautes Etudes Commerciales HEC Alger. par Amina GACEM. Module Informatique 1ière Année Master Sciences Commerciales
Ecole des Hautes Etudes Commerciales HEC Alger Évolution des SGBDs par Amina GACEM Module Informatique 1ière Année Master Sciences Commerciales Evolution des SGBDs Pour toute remarque, question, commentaire
Plus en détailDÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM
DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM Étude de cas technique QlikView : Big Data Juin 2012 qlikview.com Introduction La présente étude de cas technique QlikView se consacre au
Plus en détailImpartition réussie du soutien d entrepôts de données
La force de l engagement MD POINT DE VUE Impartition réussie du soutien d entrepôts de données Adopter une approche globale pour la gestion des TI, accroître la valeur commerciale et réduire le coût des
Plus en détailL INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE
2009 L INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE Chapitre 1 : BI Une introduction La plupart des administrateurs de bases de données (DBA) ont rencontré une certaine forme de business
Plus en détailQLIKVIEW POUR SALESFORCE
QLIKVIEW POUR SALESFORCE Exploiter rapidement et facilement les données issues de votre CRM QlikView simplifie l intégration de la Business Discovery à une Plate-forme PaaS (Platform as a Service) éprouvée
Plus en détailChapitre 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 détailQU EST-CE QUE LE DECISIONNEL?
La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce
Plus en détailBI = 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 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 détailINTERSYSTEMS CACHÉ COMME ALTERNATIVE AUX BASES DE DONNÉES RÉSIDENTES EN MÉMOIRE
I N T E RS Y S T E M S INTERSYSTEMS CACHÉ COMME ALTERNATIVE AUX BASES DE DONNÉES RÉSIDENTES EN MÉMOIRE David Kaaret InterSystems Corporation INTERSySTEMS CAChé CoMME ALTERNATIvE AUx BASES de données RéSIdENTES
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 détailenvironnements SQL Server?
Comment booster les performances de vos environnements SQL Server? performance technology Innovators in Performance and Reliability Technologies Comment booster les performances de vos environnements SQL
Plus en détailJedox rafraîchit les rapports du fabricant de boissons MBG
Jedox rafraîchit les rapports du fabricant de boissons MBG «Nous pouvons désormais réaliser plus efficacement notre reporting et la planifi cation de nos ventes grâce à Jedox, et avons même soif de plus
Plus en détailTechnologie de déduplication de Barracuda Backup. Livre blanc
Technologie de déduplication de Barracuda Backup Livre blanc Résumé Les technologies de protection des données jouent un rôle essentiel au sein des entreprises et ce, quelle que soit leur taille. Toutefois,
Plus en détailIntroduction 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 détailConstruction d un EDD avec SQL 2008 R2. D. Ploix - M2 Miage - EDD - Création
Construction d un EDD avec SQL 2008 R2 Plan Analyse du DW construit Construction de la base DW dans SQL 2008 Construction des tables de faits et dimensions Injection des données Étapes de l injection des
Plus en détailWD et le logo WD sont des marques déposées de Western Digital Technologies, Inc, aux États-Unis et dans d'autres pays ; absolutely WD Re, WD Se, WD
WD et le logo WD sont des marques déposées de Western Digital Technologies, Inc, aux États-Unis et dans d'autres pays ; absolutely WD Re, WD Se, WD Xe, RAFF et StableTrac sont des marques de Western Digital
Plus en détailOptimisations des SGBDR. Étude de cas : MySQL
Optimisations des SGBDR Étude de cas : MySQL Introduction Pourquoi optimiser son application? Introduction Pourquoi optimiser son application? 1. Gestion de gros volumes de données 2. Application critique
Plus en détailAnalyse en temps réel du trafic des Internautes
Analyse en temps réel du trafic des Internautes Toute entreprise doit être en mesure d analyser le trafic de son site web et d obtenir une vue précise de son efficacité en temps réel SOMMAIRE Aperçu p.
Plus en détailFournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement
Introduction Phases du projet Les principales phases du projet sont les suivantes : La mise à disposition des sources Des fichiers Excel sont utilisés pour récolter nos informations L extraction des données
Plus en détailEvry - M2 MIAGE Entrepôts de Données
Evry - M2 MIAGE Entrepôts de Données Modélisation décisionnelle D. Ploix - M2 MIAGE - Conception EDD 1 Plan Construction de l entrepôt : les faits et les dimensions Préparation de l analyse : Les agrégats
Plus en détailet 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 détailIBM Software Business Analytics. IBM Cognos FSR Automatisation du processus de reporting interne
IBM Software Business Analytics IBM Cognos FSR Automatisation du processus de reporting interne 2 IBM Cognos - FSR Automatisation des processus de reporting interne IBM Cognos Financial Statement Reporting
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 détailIntelligence d affaires nouvelle génération
Intelligence d affaires nouvelle génération Sept étapes vers l amélioration de l intelligence d affaires par l entremise de la recherche de données À PROPOS DE CETTE ÉTUDE Les approches traditionnelles
Plus en détailChapitre V : La gestion de la mémoire. Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping
Chapitre V : La gestion de la mémoire Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping Introduction Plusieurs dizaines de processus doivent se partager
Plus en détailBusiness 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 détailEntrepôt 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 détailLES NOUVEAUTES DE COST AND PROFITABILITY MANAGEMENT 8.1
LES NOUVEAUTES DE COST AND PROFITABILITY MANAGEMENT 8.1 SAS Cost and Profitability Management, également appelé CPM (ou C&P), est le nouveau nom de la solution SAS Activity-Based Management. Cette version
Plus en détailTirez plus vite profit du cloud computing avec IBM
Tirez plus vite profit du cloud computing avec IBM Trouvez des solutions de type cloud éprouvées qui répondent à vos priorités principales Points clés Découvrez les avantages de quatre déploiements en
Plus en détailEtude d Exchange, Google Apps, Office 365 et Zimbra
I. Messagerie Exchange 2013 2 1) Caractéristiques 2 2) Pourquoi une entreprise choisit-elle Exchange? 2 3) Offres / Tarifs 2 4) Pré requis pour l installation d Exchange 2013 3 II. Google Apps : 5 1) Caractéristiques
Plus en détailLa Stratégie d Intégration Advantage
La Stratégie d Intégration Advantage Intégration pour l Entreprise Synthèse Ces dernières années, les entreprises comptent sur moins de systèmes pour gérer leurs activités au quotidien et ont souvent implémenté
Plus en détailLES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN
LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas
Plus en détailChapitre 1 : Introduction aux bases de données
Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données
Plus en détailPOURQUOI LES DEPARTEMENTS INFORMATIQUES NE PEUVENT PAS SE PASSER DE QLIKVIEW
POURQUOI LES DEPARTEMENTS INFORMATIQUES NE PEUVENT PAS SE PASSER DE QLIKVIEW Livre blanc QlikView Mars 2014 qlik.com Sommaire Libérez la richesse qui sommeille dans votre entrepôt de données 3 Redevenir
Plus en détailAnalytics Platform. MicroStrategy. Business Intelligence d entreprise. Self-service analytics. Big Data analytics.
Business Intelligence d entreprise MicroStrategy Analytics Platform Self-service analytics Big Data analytics Mobile analytics Disponible en Cloud Donner l autonomie aux utilisateurs. Des tableaux de bord
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 détailArchitectures d implémentation de Click&DECiDE NSI
Architectures d implémentation de Click&DECiDE NSI de 1 à 300 millions de ligne de log par jour Dans ce document, nous allons étudier les différentes architectures à mettre en place pour Click&DECiDE NSI.
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 détailPourquoi IBM System i for Business Intelligence
Améliorer les performances et simplifier la gestion de vos applications d aide à la décision (Business Intelligence ou BI) Pourquoi IBM System i for Business Intelligence Points clés Technologie IBM DB2
Plus en détailTRANSFORMEZ VOTRE INFRASTRUCTURE DE BASE DE DONNEES
TRANSFORMEZ VOTRE INFRASTRUCTURE DE BASE DE DONNEES Les bases de données telles qu'oracle et SQL Server exigent un niveau de latence faible et prévisible ainsi que des performances d'e/s exceptionnelles
Plus en détailLes 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 détailStructure fonctionnelle d un SGBD
Fichiers et Disques Structure fonctionnelle d un SGBD Requetes Optimiseur de requetes Operateurs relationnels Methodes d acces Gestion de tampon Gestion de disque BD 1 Fichiers et Disques Lecture : Transfert
Plus en détailSystème de stockage IBM XIV Storage System Description technique
Système de stockage IBM XIV Storage System Description technique Système de stockage IBM XIV Storage System Le stockage réinventé Performance Le système IBM XIV Storage System constitue une solution de
Plus en détailORACLE DATA INTEGRATOR ENTERPRISE EDITION - ODI EE
ORACLE DATA INTEGRATOR ENTERPRISE EDITION - ODI EE ORACLE DATA INTEGRATOR ENTERPRISE EDITION offre de nombreux avantages : performances de pointe, productivité et souplesse accrues pour un coût total de
Plus en détailLe data center moderne virtualisé
WHITEPAPER Le data center moderne virtualisé Les ressources du data center ont toujours été sous-utilisées alors qu elles absorbent des quantités énormes d énergie et occupent une surface au sol précieuse.
Plus en détailGuide de référence pour l achat de Business Analytics
Guide de référence pour l achat de Business Analytics Comment évaluer une solution de décisionnel pour votre petite ou moyenne entreprise : Quelles sont les questions à se poser et que faut-il rechercher?
Plus en détail10 tâches d administration simplifiées grâce à Windows Server 2008 R2. 1. Migration des systèmes virtuels sans interruption de service
10 tâches d administration simplifiées grâce à Windows Server 2008 R2 Faire plus avec moins. C est l obsession depuis plusieurs années de tous les administrateurs de serveurs mais cette quête prend encore
Plus en détailSQL Server 2014 Administration d'une base de données transactionnelle avec SQL Server Management Studio
Présentation 1. Introduction 13 2. Présentation de SQL Server 14 2.1 Qu'est-ce qu'un SGBDR? 15 2.2 Mode de fonctionnement client/serveur 16 2.3 Les plates-formes possibles 18 2.4 Les composants de SQL
Plus en détailComment gérer votre relation donateurs?
Comment gérer votre relation donateurs? Shéma Notre réponse Notre réponse : La plate-forme de solutions full-web et de services QUALIDATA 2.0 QUALIDATA 2.0 enregistre les offres de votre organisation (les
Plus en détailIFT3030 Base de données. Chapitre 2 Architecture d une base de données
IFT3030 Base de données Chapitre 2 Architecture d une base de données Plan du cours Introduction Architecture Modèles de données Modèle relationnel Algèbre relationnelle SQL Conception Fonctions avancées
Plus en détailL A B U S I N E S S. d a t a g i n f o r m a t i o n g a c t i o n
L A B U S I N E S S I N T E L L I G E N C E D U X X I e m e S I E C L E A T A W A D * d a t a g i n f o r m a t i o n g a c t i o n domaines d expertise : Modélisation des données Intégration des données
Plus en détailARCHITECTURE DE SAGE ACCPAC
Sage Accpac ERP offre la liberté de choix, l intégration transparente, la haute performance et fiabilité pour les entreprises avant-gardistes axées sur une rentabilité accrue et l avantage de l atout concurrentiel.
Plus en détailFaculté des sciences de gestion et sciences économiques BASE DE DONNEES
BASE DE DONNEES La plupart des entreprises possèdent des bases de données informatiques contenant des informations essentielles à leur fonctionnement. Ces informations concernent ses clients, ses produits,
Plus en détailLa Business Intelligence & le monde des assurances
Conseil National des Assurances Séminaire - Atelier L information au service de tous Le 09 Novembre 2005 La Business Intelligence & le monde des assurances Karim NAFIE Regional Presales Manager EEMEA Operations
Plus en détailChapitre 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 détailConcevoir et déployer un data warehouse
Concevoir et déployer un data warehouse Ralph Kimball Éditions Eyrolles ISBN : 2-212-09165-6 2000 2 Le cycle de vie dimensionnel Avant d étudier de plus près les spécificités de la conception, du développement
Plus en détailPlan. 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 détailBig Data. Concept et perspectives : la réalité derrière le "buzz"
Big Data Concept et perspectives : la réalité derrière le "buzz" 2012 Agenda Concept & Perspectives Technologies & Acteurs 2 Pierre Audoin Consultants (PAC) Pierre Audoin Consultants (PAC) est une société
Plus en détailDatawarehouse and OLAP
Datawarehouse and OLAP Datawarehousing Syllabus, materials, notes, etc. See http://www.info.univ-tours.fr/ marcel/dw.html today architecture ETL refreshing warehousing projects architecture architecture
Plus en détailTransformez vos données en opportunités. avec Microsoft Big Data
Transformez vos données en opportunités avec Microsoft Big Data 1 VOLUME Augmentation du volume de données tous les cinq ans Vélocité x10 4,3 Nombre d appareils connectés par adulte VARIÉTÉ 85% Part des
Plus en détailBusiness Intelligence
Pour aller plus loin Tous les détails de l offre Microsoft Business Intelligence : www.microsoft.com/france/decisionnel Contact Microsoft France : msfrance@microsoft.com Business Intelligence Votre Infrastructure
Plus en détailBases de Données. Stella MARC-ZWECKER. stella@unistra.u-strasbg.fr. Maître de conférences Dpt. Informatique - UdS
Bases de Données Stella MARC-ZWECKER Maître de conférences Dpt. Informatique - UdS stella@unistra.u-strasbg.fr 1 Plan du cours 1. Introduction aux BD et aux SGBD Objectifs, fonctionnalités et évolutions
Plus en détailTHOT - Extraction de données et de schémas d un SGBD
THOT - Extraction de données et de schémas d un SGBD Pierre-Jean DOUSSET (France), Benoît ALBAREIL (France) pj@miningdb.com, benoit@miningdb.com Mots clefs : Fouille d information, base de données, système
Plus en détailMySQL. (Administrateur) (Dernière édition) Programme de formation. France, Belgique, Suisse, Roumanie - Canada
MySQL (Administrateur) (Dernière édition) Programme de formation Microsoft Partner France, Belgique, Suisse, Roumanie - Canada WWW.SASGROUPE.COM Formez vos salariés pour optimiser la productivité de votre
Plus en détailEn route vers le succès avec une solution de BI intuitive destinée aux entreprises de taille moyenne
Présentation du produit SAP s SAP pour les PME SAP BusinessObjects Business Intelligence, édition Edge Objectifs En route vers le succès avec une solution de BI intuitive destinée aux entreprises de taille
Plus en détailNos 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 détailDOSSIER SOLUTION CA ERwin Modeling. Comment gérer la complexité des données et améliorer l agilité métier?
DOSSIER SOLUTION CA ERwin Modeling Comment gérer la complexité des données et améliorer l agilité métier? CA ERwin Modeling fournit une vue centralisée des définitions de données clés afin de mieux comprendre
Plus en détailBases de données Cours 1 : Généralités sur les bases de données
Cours 1 : Généralités sur les bases de données POLYTECH Université d Aix-Marseille odile.papini@univ-amu.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 1 Qu est ce qu une
Plus en détailIntroduction aux SGBDR
1 Introduction aux SGBDR Pour optimiser une base Oracle, il est important d avoir une idée de la manière dont elle fonctionne. La connaissance des éléments sous-jacents à son fonctionnement permet de mieux
Plus en détailLes 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie
Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Découvrir les stratégies ayant fait leurs preuves et les meilleures pratiques Points clés : Planifier
Plus en détailUn ordinateur, c est quoi?
B-A.BA Un ordinateur, c est quoi? Un ordinateur, c est quoi? Un ordinateur est une machine dotée d'une unité de traitement lui permettant d'exécuter des programmes enregistrés. C'est un ensemble de circuits
Plus en détailSWISS ORACLE US ER GRO UP. www.soug.ch. Newsletter 5/2014 Sonderausgabe. OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features
SWISS ORACLE US ER GRO UP www.soug.ch Newsletter 5/2014 Sonderausgabe OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features 42 TIPS&TECHNIQUES Alexandre Tacchini, Benjamin Gaillard, Fabien
Plus en détailAxis IP-Surveillance. Solutions de vidéo sur IP professionnelles pour la sécurité, la vidéosurveillance et le contrôle à distance
Axis IP-Surveillance Solutions de vidéo sur IP professionnelles pour la sécurité, la vidéosurveillance et le contrôle à distance Facilité d'installation L offre de vidéo sur IP Axis apporte au monde professionnel
Plus en détailBusiness & High Technology
UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 8 : ID : Informatique Décisionnelle BI : Business Intelligence Sommaire Introduction...
Plus en détailTHEME PROJET D ELABORATION D UNE BASE DE DONNEES SOUS LE SERVEUR MYSQL
. THEME PROJET D ELABORATION D UNE BASE DE DONNEES SOUS LE SERVEUR MYSQL Mr MEZRED MOHAMED Ingénieur météorologue INTRODUCTION Il existe de nombreuses manières de construire une base de données. En effet,
Plus en détailSAP Business Suite Powered by SAP HANA Transactionnel et Analytique réunis
Christophe Toulemonde Janvier 2013 SAP Business Suite Powered by SAP HANA Transactionnel et Analytique réunis Cette note a pour objectif de décrypter l annonce de SAP Business Suite Powered by SAP HANA.
Plus en détailUn 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 détailINTRODUCTION AUX BASES de DONNEES
INTRODUCTION AUX BASES de DONNEES Équipe Bases de Données LRI-Université Paris XI, Orsay Université Paris Sud Année 2003 2004 1 SGBD : Fonctionnalités et Principes Qu est qu une base de données? Un Système
Plus en détailQuelques patterns pour la persistance des objets avec DAO DAO. Principe de base. Utilité des DTOs. Le modèle de conception DTO (Data Transfer Object)
Quelques patterns pour la persistance des objets avec DAO Ce cours présente des modèles de conception utilisés pour effectuer la persistance des objets Université de Nice Sophia-Antipolis Version 1.4 30/8/07
Plus en détailLe "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 détailSuite intégrée Entreprise de Sage Accpac. Obtenez une vue à 360 de votre entreprise avec Sage Accpac. Votre succès. Notre priorité!
Suite intégrée Entreprise de Sage Accpac Obtenez une vue à 360 de votre entreprise avec Sage Accpac Votre succès. Notre priorité! Bien que votre plan de croissance comporte des achats et ventes sur le
Plus en détailExploitez vos données SAP avec des tableaux de bord orientés par les utilisateurs
Exploitez vos données SAP avec des tableaux de bord orientés par les utilisateurs En partenariat avec Table des matières Introduction 1 Les problèmes liés aux Majors de la BI 2 Comment sont nés les majors
Plus en détailPartie 7 : Gestion de la mémoire
INF3600+INF2610 Automne 2006 Partie 7 : Gestion de la mémoire Exercice 1 : Considérez un système disposant de 16 MO de mémoire physique réservée aux processus utilisateur. La mémoire est composée de cases
Plus en détailWHITE PAPER. Quels avantages la déduplication offre-t-elle aux entreprises? Livre blanc Acronis
Quels avantages la déduplication offre-t-elle aux entreprises? Livre blanc Acronis Copyright Acronis, Inc. 2000 2009 Table des matières Résumé... 3 Qu est-ce que la déduplication?... 4 Déduplication au
Plus en détailNoSQL. Introduction 1/23. I NoSQL : Not Only SQL, ce n est pas du relationnel, et le contexte. I table d associations - Map - de couples (clef,valeur)
1/23 2/23 Anne-Cécile Caron Master MIAGE - BDA 1er trimestre 2013-2014 I : Not Only SQL, ce n est pas du relationnel, et le contexte d utilisation n est donc pas celui des SGBDR. I Origine : recherche
Plus en détailWHITE PAPER Une revue de solution par Talend & Infosense
WHITE PAPER Une revue de solution par Talend & Infosense Master Data Management pour les données de référence dans le domaine de la santé Table des matières CAS D ETUDE : COLLABORATION SOCIALE ET ADMINISTRATION
Plus en détailTechniques de stockage. Techniques de stockage, P. Rigaux p.1/43
Techniques de stockage Techniques de stockage, P. Rigaux p.1/43 Techniques de stockage Contenu de ce cours : 1. Stockage de données. Supports, fonctionnement d un disque, technologie RAID 2. Organisation
Plus en détailLES 5 PRINCIPALES RAISONS DE DÉPLOYER MICROSOFT SQL SERVER SUR LE SYSTÈME DE STOCKAGE UNIFIÉ EMC VNX
LES 5 PRINCIPALES RAISONS DE DÉPLOYER MICROSOFT SQL SERVER SUR LE SYSTÈME DE STOCKAGE UNIFIÉ EMC VNX Et si vous pouviez éviter aux administrateurs de base de données d avoir à se préoccuper au jour le
Plus en détailMéthodologie 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 détailLettre d annonce ZP09-0345 d IBM Europe, Moyen-Orient et Afrique,, datée du 20 octobre 2009
, datée du 20 octobre 2009 IBM Tivoli Storage FlashCopy Manager V2.1, la technologie avancée de copie instantanée des équipements de stockage d IBM pour protéger les données applicatives Table des matières
Plus en détailLa dernière base de données de Teradata franchit le cap du big data grâce à sa technologie avancée
Communiqué de presse Charles-Yves Baudet Twitter: Les clients de Teradata Teradata Corporation peuvent dan.conway@teradata.com tirer parti de plusieurs + 33 1 64 86 76 14 + 33 (0) 1 55 21 01 48/49 systèmes,
Plus en détailExploration des Big Data pour optimiser la Business Intelligence
Intel IT Meilleures pratiques IT Business Intelligence Juillet 2012 Exploration des Big Data pour optimiser la Business Intelligence Vue d ensemble La capacité à extraire et analyser les Big Data permet
Plus en détail