PARTIE 1 : ETAT DE L ART...

Dimension: px
Commencer à balayer dès la page:

Download "PARTIE 1 : ETAT DE L ART..."

Transcription

1

2

3 Table des matières INTRODUCTION... 1 Contexte général de l étude... 3 Problématiques... 4 Contributions des nos travaux de recherche... 5 Organisation du mémoire... 6 PARTIE 1 : ETAT DE L ART... 9 CHAPITRE 1 : ENTREPOTS DE DONNEES ET ANALYSE EN LIGNE Concepts principaux des entrepôts de données et de l analyse en ligne Dimensions et hiérarchies Faits et mesures Hypercube Requêtes multidimensionnelles Les modèles conceptuels pour les bases de données multidimensionnelles Architecture des systèmes d entrepôts de données Entrepôt de données Serveur OLAP Fonctionnalités d un serveur OLAP Implémentation physique d un serveur OLAP Client OLAP Conclusions CHAPITRE 2 : L INFORMATION GEOGRAPHIQUE ET LES SYSTEMES D INFORMATION GEOGRAPHIQUE Les données géographiques La composante spatiale La composante sémantique La généralisation Fonctionnalités des Systèmes d Information Géographique Les modèles matriciel et vectoriel, et les couches Les bases de données spatiales L analyse spatiale De la visualisation à la géovisualisation La visualisation cartographique La géovisualisation Conclusions CHAPITRE 3 : L OLAP SPATIAL De l OLAP à l OLAP Spatial Les systèmes d aide à la décision spatiale Les avantages de l OLAP Spatial Concepts principaux de l OLAP Spatial Dimension spatiale Les approches existantes Bilan Mesure spatiale La mesure spatiale vue comme une liste d objets spatiaux La mesure spatiale vue comme le résultat des opérateurs spatiaux Bilan Opérateurs de navigation spatio-multidimensionnelle Un panorama des modèles conceptuels pour les entrepôts de données spatiales Pourrabas Malinowsky et Zimányi Damiani et Spaccapietra Jensen et al Ahmed et Miquel Bilan Les outils OLAP Spatial... 48

4 3.4.1 Typologies SIG dominant OLAP dominant OLAP-SIG intégrée Un panorama des outils SOLAP existants Solutions SIG dominantes Solutions OLAP dominantes Solutions OLAP-SIG intégrées Bilan Conclusions PARTIE 2 : CONTRIBUTIONS CHAPITRE 4 : DE L OLAP SPATIAL A L OLAP GEOGRAPHIQUE Motivations Modèle des données multidimensionnelles Dimension spatiale Mesure spatiale Algèbre spatio-multidimensionnelle : flexibilité de l analyse Contexte Cas d étude : la pollution des eaux de la lagune de Venise Notation graphique pour les modèles conceptuels applicatifs Concepts principaux de l OLAP Géographique Dimension géographique Hiérarchie descriptive Hiérarchie spatiale Hiérarchie de généralisation Problématiques Modélisation Visualisation Mesure géographique Définition et application Problématiques Modélisation Visualisation Opérateurs d analyse spatio-multidimensionnelle Modification dynamique de la structure de l hypercube Permutation entre mesure et dimension Navigation dans la hiérarchie de la mesure Problématiques Conclusion...79 CHAPITRE 5 : GEOCUBE, UN MODELE MULTIDIMENSIONNEL OLAP GEOGRAPHIQUE Les données multidimensionnelles Entité Hiérarchie Définitions Représentation graphique Cube de Base Requêtes multidimensionnelles Mode d Agrégation Vue Algèbre Opérateurs de forage et de coupe Roll-Up Slice Dice Opérateurs de navigation dans la hiérarchie de la mesure Classify Specialize Opérateur de permutation mesure et dimension : Permute Opérateur de modification dynamique de l hypercube : OLAP-Buffer Requêtes multidimensionnelles complexes

5 5.4.1 Reformulation du processus d agrégation par le changement de la granularité de la mesure Roll-up sur des cousins Bilan et comparaison Caractéristiques principales de GeoCube Comparaison Limites Conclusions CHAPITRE 6 : GEWOLAP, UNE SOLUTION WEB OLAP GEOGRAPHIQUE Architecture Entrepôt de donnes spatiales Serveur OLAP Client OLAP L interface visuelle de GeWOlap Le Data Panel Toolbar SIG Toolbar multidimensionnelle non-spatiale Toolbar multidimensionnelle spatiale Le Control Panel Dimension Géographique et opérateurs multidimensionnels Opérateurs multidimensionnels non-spatiaux Opérateurs multidimensionnels spatiaux Opérateurs de forage Opérateurs de coupe Opérateurs de changement dynamique de l hypercube Mesures complexes et géographiques, et opérateurs multidimensionnels Modélisation logique Visualisation et Navigation Mesures géographiques Mesures complexes Opérateurs SIG Bilan et comparaison Caractéristiques principales Comparaison et limites Conclusions CHAPITRE 7 : GEOLAPIVOT TABLE, UNE TECHNIQUE DE VISUALISATION ET D INTERACTION POUR L ANALYSE DES MESURES GEOGRAPHIQUES Pivot Table et Space-Time Cube GeOlaPivot Table Le concept Un cas d étude Caractéristiques principales et limitations Conclusions PARTIE 3 : CONCLUSIONS CHAPITRE 8 : BILAN ET PERSPECTIVES Bilan des travaux Le paradigme OLAP Géographique Le modèle GeoCube Le prototype GeWOlap GeOlaPivot Table Perspectives Additivité des mesures géographiques Hiérarchies de généralisation Composante temporelle de l information géographique Mesures continues Géovisualisation et OLAP Géographique L'OLAP Géographique Mobile REFERENCES

6 Liste des tableaux TABLEAU 1.1. DIFFERENCES PRINCIPALES ENTRE LES SYSTEMES OLPT ET OLAP (KELLY, 1997). 12 TABLEAU 2.1. VARIABLES VISUELLES (BERTIN ET BONIN, 1992). 34 TABLEAU 5.1. INSTANCE DU CUBE DE BASE BC CORILA. 92 TABLEAU 5.2. INSTANCE DE V CORILA-UNIT. 98 TABLEAU 5.3. INSTANCE DE V CORILA-UNIT-MONTH. 100 TABLEAU 5.4. INSTANCE DE V CORILA-UNIT TABLEAU 5.5. INSTANCE DE V CORILA-UNIT-MONTH TABLEAU 5.6. INSTANCE DE BC CORILA TABLEAU 5.7. INSTANCE DE V CORILA-UNIT/TIME. 112 TABLEAU 5.8. INSTANCE DE V CORILA-ZONE. 117 TABLEAU 5.9. INSTANCE DE V CORILA-ZONE TABLEAU INSTANCE DE V CORILA-ZONE-1000S 121 TABLEAU INSTANCE DE V RATE. 127 TABLEAU INSTANCES DE V RATEB 127 TABLEAU INSTANCE DE V CORILA-MONTH. 130 TABLEAU INSTANCE DE V CORILA-MONTH-ZONE. 130 TABLEAU SLICE SUR MAZZORBO ET CANAL FONDELLO. 131 TABLEAU 5.16.AGREGATION ENTRE COUSINS. 132 TABLE 7.1. EXEMPLE DE LA TABLE DE FAITS DE L APPLICATION MULTIDIMENSIONNELLE DE FIGURE Liste des figures FIGURE 1.1. HIERARCHIE DES PRODUITS A) SCHEMA B) INSTANCE FIGURE 1.2. APPLICATION MULTIDIMENSIONNELLE A) SCHEMA B) HYPERCUBE FIGURE 1.3. ARCHITECTURE A 3-NIVEAUX D UN SYSTEME D ENTREPOT DE DONNEES FIGURE 1.4. A) HIERARCHIE AVEC LES NIVEAUX «A» ET «B» B) HIERARCHIE AVEC LES NIVEAUX «1» ET «2» C) TREILLIS DE CUBOÏDES FIGURE 1.5. A) SCHEMA EN ETOILE B) SCHEMA EN FLOCON C) SCHEMA EN CONSTELLATION FIGURE 1.6. CLIENTS OLAP A) MICROSTRATEGY B) COGNOS C) ORACLE FIGURE 1.7. VISUALISATION DES DONNEES DE L APPLICATION MULTIDIMENSIONNELLE DES VENTES DE FIGURE 1.2 AVEC LA TABLE DE PIVOT DE JPIVOT FIGURE 2.1. LA COMPOSANTE SPATIALE DES DEPARTEMENTS DE FRANCE FIGURE 2.2. EXEMPLES DE RELATIONS D IDENTITE ET DE GROUPE (NEUN ET STEINIGER, 2005) FIGURE 2.3. ORGANISATION DES INFORMATIONS GEOGRAPHIQUES EN COUCHES FIGURE 2.4. ORACLE SPATIAL A) CREATION D UNE TABLE SPATIALE B) REQUETE SQL QUI UTILISE EN PREDICAT SPATIAL C) INSERTION D UN OBJET GEOGRAPHIQUE DANS LA TABLE D) REPRESENTATION TABULAIRE ET CARTOGRAPHIQUE FIGURE 2.5. PROCESSUS D ANALYSE SPATIALE (MITCHELL, 2005) FIGURE 2.6. MAP-USE-CUBE (MACEACHREN ET KRAAK, 1997) FIGURE 2.7. A) SPACE-TIME CUBE (KRAAK ET KOUSSOULAKOU, 2005) B) MATRICE MULTIFORME BIVARIEE (MULTIFORM BIVARIATE MATRIX) (MACEACHREN, ET AL., 2004) FIGURE 3.1. DIMENSION SPATIALE GEOMETRIQUE A) SCHEMA B) REPRESENTATION CARTOGRAPHIQUE DES MEMBRES FIGURE 3.2. SCHEMA DE L ENTREPOT «METEO» (STEFANOVIC ET AL., 2000) FIGURE 3.3. APPLICATION SPATIO-MULTIDIMENSIONNELLE AVEC DE DIMENSIONS ALPHANUMERIQUES ET UNE MESURE SPATIALE (MALINOWSKI ET ZIMANYI, 2004) FIGURE 3.4. SCHEMA CONCEPTUEL D UN ENTREPOT DE DONNEES AVEC UNE MESURE RESULTAT D UNE OPERATION SPATIALE (MALINOWSKI ET ZIMANYI, 2004) FIGURE 3.5. REPRESENTATION GRAPHIQUE DU MODELE POUR ENTREPOTS DE DONNEES SPATIALES PRESENTE DANS (MALINOWSKY ET ZIMANYI, 2004) A) FAIT ET MESURES B) DIMENSION C) CARDINALITES D) NIVEAUX DE DIMENSION E) ICONES SPATIALES

7 FIGURE 3.6. INTERFACES DES SYSTEMES SOLAP A) COMMONGIS (HERNANDEZ ET AL., 2005) B) POLARIS (STOLTE ET AL., 2002) C) POSTGEOLAP (COLONESE ET AL., 2005) D) JMAP (JMAP, 2007) E) SOVAT (SCOTCH ET PARMANTO, 2006) FIGURE 4.1. CARTE DE LA LAGUNE DE VENISE FIGURE 4.2. EXTENSION DE LA NOTATION GRAPHIQUE POUR LES ENTREPOTS DE DONNEES SPATIALES PRESENTEE DANS (MALINOWSKY, 2006) AVEC UNE MESURE GEOGRAPHIQUE ET DES ATTRIBUTS DERIVES FIGURE 4.3. HIERARCHIE DESCRIPTIVE A) SCHEMA B) INSTANCE FIGURE 4.4. APPLICATION MULTIDIMENSIONNELLE AVEC UNE DIMENSION GEOGRAPHIQUE DECRITE PAR UNE HIERARCHIE DESCRIPTIVE FIGURE 4.5. HIERARCHIE SPATIALE A) SCHEMA B) INSTANCE FIGURE 4.6. APPLICATION MULTIDIMENSIONNELLE AVEC UNE DIMENSION GEOGRAPHIQUE DECRITE PAR UNE HIERARCHIE SPATIALE FIGURE 4.7. APPLICATION MULTIDIMENSIONNELLE AVEC UNE DIMENSION GEOGRAPHIQUE DECRITE PAR UNE HIERARCHIE DE GENERALISATION FIGURE 4.8. HIERARCHIE DE GENERALISATION A) INSTANCE B) REPRESENTATION CARTOGRAPHIQUE FIGURE 4.9. HIERARCHIE DE GENERALISATION A) SCHEMA B) INSTANCES ET RELATION MULTI-ASSOCIATION. 70 FIGURE MESURE GEOGRAPHIQUE «UNIT» FIGURE MESURE GEOGRAPHIQUE «UNIT» A L ECHELLE 1 : FIGURE OVERLAY UTILISANT L OPERATEUR LOGIQUE AND FIGURE PERMUTATION MESURE ET DIMENSION : DE LA MESURE GEOGRAPHIQUE A LA DIMENSION GEOGRAPHIQUE FIGURE 5.1. REPRESENTATION GRAPHIQUE A) SCHEMA D ENTITE B) ORDRE PARTIEL DES SCHEMAS D ENTITE NIVEAUX H C) ORDRE PARTIEL DES INSTANCES DES SCHEMAS D ENTITE NIVEAUX H FIGURE 5.2. HIERARCHIE DE POLLUANTS A) SCHEMA B) INSTANCE FIGURE 5.3. HIERARCHIE SPATIALE DE LA LAGUNE A) SCHEMA B) INSTANCE FIGURE 5.4. REPRESENTATION DE LA FONCTION BOOLEENNE D UN CUBE DE BASE AVEC TROIS SCHEMAS DE HIERARCHIE FIGURE 5.6. MODE D AGREGATION POUR L AGREGATION DES OBJETS GEOGRAPHIQUES REPRESENTANTS LES UNITES DE LA LAGUNE FIGURE 5.7. REPRESENTATION GRAPHIQUE DU MODE D AGREGATION FIGURE 5.8. REPRESENTATION GRAPHIQUE DU SCHEMA DE VUE A) GRAPHE D AGREGATION B) GRAPHE DE NAVIGATION C) NIVEAUX DE LA VUE D) MESURE DETAILLEE OU MESURE AGREGEE FIGURE 5.9. REPRESENTATION GRAPHIQUE DU SCHEMA DE VUE V CORILA-UNIT (VUE DE BASE) FIGURE REPRESENTATION GRAPHIQUE DU SCHEMA DE VUE V CORILA-POLLUTANT (VUE DE BASE) FIGURE REPRESENTATION GRAPHIQUE DU SCHEMA DE VUE V CORILA-UNIT-MONTH FIGURE REPRESENTATION GRAPHIQUE DE V CORILA-UNIT/TIME FIGURE A) SCHEMA DE HIERARCHIE H A ET INSTANCE DE H A B) HIERARCHIE REDUITE (SCHEMA ET INSTANCE) DE H A SUR S B FIGURE HIERARCHIE REDUITE DE H LAGOON_SPATIAL SUR S ZONE A) SCHEMA B) INSTANCE FIGURE REPRESENTATION GRAPHIQUE DE V CORILA-ZONE FIGURE EXEMPLES D APPLICATION DE L OPERATEUR BUFFER FIGURE REPRESENTATION CARTOGRAPHIQUE A) S ZONE B) SZONEB FIGURE REPRESENTATION GRAPHIQUE A) H LAGOON_SPATIAL_ZONE B) HLAGOON_SPATIAL_ZONEB FIGURE AGREGATION SUR LES COUSINS : MAZZORBO ET CANAL FONDELLO FIGURE 6.1. ARCHITECTURE DE GEWOLAP FIGURE 6.2. FICHER XML REPRESENTANT LE SCHEMA MONDRIAN D UNE APPLICATION MULTIDIMENSIONNELLE FIGURE 6.3. REQUETE MULTIDIMENSIONNELLE A) MDX B) TRADUCTION EN SQL FIGURE 6.4. DEFINITION D UN AGGREGATE TABLE FIGURE 6.5. INTERFACE VISUELLE DE GEWOLAP : CONTROL PANEL ET DATA PANEL FIGURE 6.6. TOOLBAR SIG FIGURE 6.7. TOOLBAR MULTIDIMENSIONNELLE NON-SPATIALE FIGURE 6.8. TOOLBAR MULTIDIMENSIONNELLE SPATIALE FIGURE 6.9. CONTROL PANEL A) NAVIGATION B) DISPLAY EXPORT C) ANALYSIS FIGURE SCHEMA CONCEPTUEL D UNE APPLICATION AVEC UNE HIERARCHIE SPATIALE

8 FIGURE SCHEMA MONDRIAN DE L APPLICATION DE FIGURE FIGURE SELECTION DES MEMBRES DE LA DIMENSION DES POLLUANTS ET DE LA DIMENSION GEOGRAPHIQUE A TRAVERS LE CUBE NAVIGATOR FIGURE REQUETE MDX GENEREE PAR JPIVOT A TRAVERS L INTERACTION AVEC LA TABLE DE PIVOT FIGURE VISUALISATION DE LA REQUETE MULTIDIMENSIONNELLE DE FIGURE FIGURE RELATIONS TOPOLOGIQUES ET SYNCHRONISATION DE LA COMPOSANTE CARTOGRAPHIQUE ET DE LA TABLE DE PIVOT FIGURE DRILL-DOWN SUR UNE DIMENSION CLASSIQUE ET SYNCHRONISATION DE LA COMPOSANTE CARTOGRAPHIQUE ET DE LA TABLE DE PIVOT FIGURE GEWOLAP DRILL-DOWN POSITION FIGURE GEWOLAP SLICE PREDICATE : 1) DONNEES INITIALES : TOUTES LES REGION DE LA LAGUNE 2) RESULTAT : REGIONS DE LA LAGUNE AVEC UNE SURFACE SUPERIEURE A 1000 KM FIGURE REQUETE SQL REPRESENTANT LE PREDICAT SPATIAL D UNE OPERATION DE COUPE FIGURE GEWOLAP BUFFER 1) DONNEES INITIALES 2) RESULTAT FIGURE ) DONNEES INITIALES 2) RESULTATS DU GEWOLAP OVERLAY FIGURE SCHEMA ISSU DE L OPERATION DE GEWOLAP OVERLAY FIGURE APPLICATION MULTIDIMENSIONNELLE AVEC LA MESURE GEOGRAPHIQUE «UNIT» FIGURE APPLICATION MULTIDIMENSIONNELLE AVEC LA MESURE COMPLEXE «POLLUTANT» ET LA DIMENSION GEOGRAPHIQUE «LAGOON» FIGURE SQUELETTE DU SCHEMA UTILISE POUR LA MODELISATION DES APPLICATIONS DES FIGURES 6.23 ET FIGURE BALISE MEASURE A) MESURE GEOGRAPHIQUE B) MESURE COMPLEXE FIGURE PROCESSUS D AGREGATION DES MESURES COMPLEXES ET GEOGRAPHIQUES FIGURE AGGREGATE TABLES POUR LA GESTION DE MESURES MULTIVALUEES A) «UNIT» B) «POLLUTANT» FIGURE MESURE GEOGRAPHIQUE «UNIT» FIGURE AGREGATION DES MESURES GEOGRAPHIQUES «UNIT» FIGURE TABLE DE PIVOT POUR LA MESURE COMPLEXE «POLLUTANT» FIGURE CARTE CHOROPLETHE POUR LA MESURE COMPLEXE «POLLUTANT» ASSOCIEE AU JOUR 19/9/05 ET A LA VALEUR DE POLLUTION MG/L FIGURE CARTE CHOROPLETHE POUR LA MESURE COMPLEXE «POLLUTANT» POUR LE JOUR 26/9/05 ET LA VALEUR DE POLLUTION MG/L FIGURE 7.1. EXTENSION DE LA TABLE DE PIVOT AVEC DES AFFICHAGES GRAPHIQUES ET DES VARIABLES VISUELLES DANS TABLEAU SOFTWARE FIGURE 7.2. SPACE-TIME CUBE A) ETUDE DES TRAJECTOIRES (KRAAK, 2003) B) ETUDE DES TREMBLEMENTS DE TERRE (GATALSKY ET AL., 2004) FIGURE 7.3. EXEMPLE DE GEOLAPIVOT TABLE FIGURE 7.4. APPLICATION MULTIDIMENSIONNELLE AVEC UNE MESURE GEOGRAPHIQUE «DISTRICT» ET UNE DIMENSION GEOGRAPHIQUE «LOCATION» FIGURE 7.5. MAQUETTE DE L INTERFACE QUI UTILISE LA GEOLAPIVOT TABLE FIGURE 7.6. DRILL DOWN SUR LA DIMENSION TEMPORELLE ET LA DIMENSION GEOGRAPHIQUE

9 Références

Intégration de l'information géographique dans les entrepôts de données et l'analyse en ligne : de la modélisation à la visualisation

Intégration de l'information géographique dans les entrepôts de données et l'analyse en ligne : de la modélisation à la visualisation N d ordre 2007-ISAL-0105 Année 2007 Thèse Intégration de l'information géographique dans les entrepôts de données et l'analyse en ligne : de la modélisation à la visualisation Présentée devant L Institut

Plus en détail

Contexte général de l étude

Contexte général de l étude 1 2 Contexte général de l étude Les entrepôts de données associés à des outils d analyse On Line Analytical Processing (OLAP), représentent une solution effective pour l informatique décisionnelle (Immon,

Plus en détail

Vers l intégration de l analyse spatiale et multidimensionnelle

Vers l intégration de l analyse spatiale et multidimensionnelle Vers l intégration de l analyse spatiale et multidimensionnelle Sandro Bimonte, Anne Tchounikine, Maryvonne Miquel, Robert Laurini LIRIS (Laboratoire d'informatique en Image et Systèmes d'information),

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

Système OLAP Fresqueau

Système OLAP Fresqueau Système OLAP Fresqueau Kamal BOULIL Journées 20 mars Strasbourg Réunion plénière -Fresqueau 07-08 octobre 2013 1 Plan 1. Introduction 1. Projet ANR Fresqueau 2. Systèmes OLAP 2. Système OLAP Fresqueau

Plus en détail

Prototype SOLAP appliqué sur des champs continus en mode raster

Prototype SOLAP appliqué sur des champs continus en mode raster Session démos 24 novembre 2014 Prototype SOLAP appliqué sur des champs continus en mode raster Analyse de hot spots de criminalité Jean-Paul Kasprzyk, doctorant Introduction 2 L informatique décisionnelle

Plus en détail

CAPACITE CARTOGRAPHIQUE AUTOUR DES TECHNOLOGIES SOLAP

CAPACITE CARTOGRAPHIQUE AUTOUR DES TECHNOLOGIES SOLAP CONSERVATOIRE NATIONAL DES ARTS ET METIERS CENTRE REGIONAL RHONE-ALPES CENTRE D'ENSEIGNEMENT DE GRENOBLE UE ENG111 - Epreuve TEST Travail d'etude et de Synthèse Technique en INFORMATIQUE CAPACITE CARTOGRAPHIQUE

Plus en détail

Informatique Décisionnelle pour l environnement

Informatique Décisionnelle pour l environnement Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Informatique Décisionnelle pour l environnement Principe, architecture informatique

Plus en détail

Informatique Décisionnelle pour l environnement

Informatique Décisionnelle pour l environnement Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Informatique Décisionnelle pour l environnement Principe, architecture informatique

Plus en détail

ÉVALUATION DES PRODUITS COMMERCIAUX OFFRANT DES CAPACITÉS

ÉVALUATION DES PRODUITS COMMERCIAUX OFFRANT DES CAPACITÉS pr ÉVALUATION DES PRODUITS COMMERCIAUX OFFRANT DES CAPACITÉS COMBINÉES D ANALYSE MULTIDIMENSIONNELLE ET DE CARTOGRAPHIE. Préparé par Marie-Josée Proulx, M.Sc. Sonia Rivest, M.Sc., chargées de recherche

Plus en détail

GoOlap : Vers l Analyse Spatio- Multidimensionnelle à l aide du Geobrowser Google Earth

GoOlap : Vers l Analyse Spatio- Multidimensionnelle à l aide du Geobrowser Google Earth GoOlap : Vers l Analyse Spatio- Multidimensionnelle à l aide du Geobrowser Google Earth Sandro Bimonte * - Sergio Di Martino ** - Michela Bertolotto*** -Filomena Ferrucci- Vincenza Leano****-Francois Pinet

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

Action de formation: SQL Server Business Intelligence & Data Warehouse

Action de formation: SQL Server Business Intelligence & Data Warehouse Action de formation: SQL Server Business Intelligence & Data Warehouse Contenu : Integration Services Présentation de Management Studio - Présenter les différentes tâches de SSMS - Structure des serveurs

Plus en détail

Sommaire. Introduction. Opérations typiques. Langages. Architectures

Sommaire. Introduction. Opérations typiques. Langages. Architectures OLAP IED 2006-2007 Sommaire Introduction Opérations typiques Langages Architectures Introduction Contexte un entrepôt de données offre des données - nombreuses - homogènes - exploitables - multidimensionnelles

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

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

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

La Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1

La Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1 La Geo-Business Intelligence selon GALIGEO avec ESRI 2005 session «Décisionnel» 26/10/2005 1 La Business Intelligence : Une Définition La Business intelligence permet l utilisation des données opérationnelles

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

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

Conception de systèmes d'information et d'entrepôts de données

Conception de systèmes d'information et d'entrepôts de données Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Conception de systèmes d'information et d'entrepôts de données Vers des structures

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

Business Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel

Business Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 11 Introduction 1. Présentation du décisionnel 13 1.1 La notion de décideur 14 1.2 Les facteurs d'amélioration

Plus en détail

Déroulement de la présentation

Déroulement de la présentation Veille technologique portant sur le mariage judicieux de l intelligence d affaires et l information géospatiale Colloque Géomatique 2009, Montréal Marie-Josée Proulx, M.Sc., Présidente-directrice générale

Plus en détail

Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel

Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 10 Introduction 1. Présentation du décisionnel 15 1.1 La notion de décideur 15 1.2 Les facteurs d'amélioration

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

Le Géodécisionnel. P7 : Projet Bibliographique Dans le cadre du Mastère ASIG. Les SIG au service du géodécisionnel.

Le Géodécisionnel. P7 : Projet Bibliographique Dans le cadre du Mastère ASIG. Les SIG au service du géodécisionnel. P7 : Projet Bibliographique Dans le cadre du Mastère ASIG Le Géodécisionnel Les SIG au service du géodécisionnel Thierry Lallemant 15 Mai 2008 Mastère ASIG / Projet Bibliographique 2008 1 TABLE DES MATIERES

Plus en détail

BUSINESS OBJECTS V5 / V6

BUSINESS OBJECTS V5 / V6 BUSINESS OBJECTS V5 / V6 Durée Objectif 2 jours L objectif de ce cours est de savoir utiliser le logiciel BUSINESS OBJECTS pour faire des interrogations multi - dimensionnelles sur les univers BO et de

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 4 - OLAP

BI = Business Intelligence Master Data-ScienceCours 4 - OLAP BI = Business Intelligence Master Data-Science Cours 4 - OLAP UPMC 15 février 2015 Plan Vision générale ETL Datawarehouse OLAP Reporting Data Mining Entrepôt de données Les entrepôts de données (data warehouse)

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

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

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

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

OLAP queries optimization: A framework for combining Rule-Based and Cost-Based approaches

OLAP queries optimization: A framework for combining Rule-Based and Cost-Based approaches OLAP queries optimization: A framework for combining Rule-Based and Cost-Based approaches H. Mouloudi - A. Giacometti - P. Marcel LI - Université François-Rabelais de Tours L. Bellatreche LISI ENSMA -

Plus en détail

Investigation des modes d intégration physique entre un serveur de base de données multidimensionnelle et un SIG

Investigation des modes d intégration physique entre un serveur de base de données multidimensionnelle et un SIG SONIA RIVEST Investigation des modes d intégration physique entre un serveur de base de données multidimensionnelle et un SIG Essai présenté à la Faculté des études supérieures de l Université Laval pour

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

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

Collabora'on IRISA/INRA sur le transfert de nitrates et l améliora'on de la qualité des eaux des bassins versants:

Collabora'on IRISA/INRA sur le transfert de nitrates et l améliora'on de la qualité des eaux des bassins versants: Collabora'on IRISA/INRA sur le transfert de nitrates et l améliora'on de la qualité des eaux des bassins versants: Tassadit BOUADI 22 Juin 2010, Saint Jacut 1 Plan Introduc

Plus en détail

Évolution de modèle dans les entrepôts de données : existant et perspectives

Évolution de modèle dans les entrepôts de données : existant et perspectives EDA'07 3èmes journées francophones sur les Entrepôts de Données et l'analyse en ligne Poitiers, 7 et 8 Juin 2007 Évolution de modèle dans les entrepôts de données : existant et perspectives Cécile Favre,

Plus en détail

Introduction. d'informations Les entrepôts de données (Datawarehouse) Les datamarts Architecture Modélisation

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

Plus en détail

ThémaMap : un outil de cartographie thématique

ThémaMap : un outil de cartographie thématique ThémaMap : un outil de cartographie thématique Un exemple de mise en œuvre sur les pêches artisanales péruviennes. G. Domalain, C. Rodriguez (IRD-UMR EME-Sète) J. Madelaine, J. Chauveau GREYC - CNRS UMR

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

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

Introduction à Business Objects. J. Akoka I. Wattiau

Introduction à Business Objects. J. Akoka I. Wattiau Introduction à Business Objects J. Akoka I. Wattiau Introduction Un outil d'aide à la décision accès aux informations stockées dans les bases de données et les progiciels interrogation génération d'états

Plus en détail

2014/2015. 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 : 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 détail

2 Serveurs OLAP et introduction au Data Mining

2 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 détail

Les entrepôts de données pour les nuls... ou pas!

Les entrepôts de données pour les nuls... ou pas! Atelier aideà la Décision à tous les Etages AIDE@EGC2013 Toulouse Mardi 29 janvier 2013 Cécile Favre Fadila Bentayeb Omar Boussaid Jérôme Darmont Gérald Gavin Nouria Harbi Nadia Kabachi Sabine Loudcher

Plus en détail

Entrepôt de données (ED) Exercice traité en cours

Entrepôt de données (ED) Exercice traité en cours Enoncé Entrepôt de données (ED) Exercice traité en cours Une grande entreprise à succursales multiples veut rassembler toutes les nuits dans un entrepôt de données des informations sur les s du jour afin

Plus en détail

Top_Keyword: Agrégation de motsclefs dans un environnement OLAP

Top_Keyword: Agrégation de motsclefs dans un environnement OLAP SIG/ED Top_Keyword: Agrégation de motsclefs dans un environnement OLAP Franck Ravat, Olivier Teste, Ronan Tournier, Gilles Zurfluh. IRIT: Institut de Recherche en Informatique de Toulouse. tournier@irit.fr

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

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

Cisco Expo 2007. De Netflow à l Expertise Décisionnelle. On Demand IT Expertise

Cisco Expo 2007. De Netflow à l Expertise Décisionnelle. On Demand IT Expertise Cisco Expo 2007 De Netflow à l Expertise Décisionnelle On Demand IT Expertise accellent, l entreprise Notre métier L expertise des flux d applications et de services voix et données sur les réseaux et

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

Nouspresentonslesprincipauxaspectsautourdelanotion(entrep^otde Resume

Nouspresentonslesprincipauxaspectsautourdelanotion(entrep^otde Resume EdgardBentez-Guerrero,ChristineCollet,MichelAdiba Entrep^otsdeDonnees:SyntheseetAnalyse RR1017-I-LSR8 RAPPORTDERECHERCHE Mai1999 e-mail:fedgard.benitez,christine.collet,michel.adibag@imag.fr Entrep^otsdeDonnees:SyntheseetAnalyse

Plus en détail

Business Intelligence avec SQL Server 2012

Business Intelligence avec SQL Server 2012 Editions ENI Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Collection Solutions Informatiques Table des matières Les éléments à télécharger sont disponibles

Plus en détail

Bases de données multidimensionnelles OLAP

Bases de données multidimensionnelles OLAP Bases de données multidimensionnelles OLAP OLAP OLAP (On Line Analytical Processing): Ensemble des outils nécessaires pour l analyse multidimensionnelle. Les données sont historisées, résumées, consolidées.

Plus en détail

Présentation et traitement d information sur le Web Présentation du WWW (architectures web)

Présentation et traitement d information sur le Web Présentation du WWW (architectures web) Université de La Rochelle LUP-SIG 2004-2005 Programmation SIG et Internet Cartographique Présentation et traitement d information sur le Web Présentation du WWW (architectures web) Jean-Michel Follin jean-michel.follin@univ-lr.fr

Plus en détail

Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques. Projet personnel. Thème : Présenté par IOGO Valentin

Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques. Projet personnel. Thème : Présenté par IOGO Valentin Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques Projet personnel Thème : «Etude exploratoire des systèmes d information géographique décisionnels (SIG décisionnels)

Plus en détail

Base de données en mémoire

Base de données en mémoire Base de données en mémoire Plan Bases de données relationnelles OnLine Analytical Processing Difficultés de l OLAP Calculs en mémoire Optimisations 1 Base de données relationnelle Introduction Date Exemple

Plus en détail

Géovisualisation des espace-temps quotidiens Propositions d outils d aide à la réflexion Olivier Klein

Géovisualisation des espace-temps quotidiens Propositions d outils d aide à la réflexion Olivier Klein Géovisualisation des espace-temps quotidiens Propositions d outils d aide à la réflexion Olivier Klein Chargé de Recherche CEPS/INSTEAD Pôle Géographie et Développement Esch-Belval, Luxembourg 2 Préambule

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

PLAN. Les systèmes d'information analytiques. Exemples de décisions

PLAN. Les systèmes d'information analytiques. Exemples de décisions Les systèmes d'information analytiques Dr A.R. Baba-ali Maitre de conferences USTHB PLAN Le cycle de decision Les composants analytiques ETL (Extract, Transform and Load) Entrepot de (Data warehouse) Traitement

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

Business Intelligence avec Excel, Power BI et Office 365

Business 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 détail

Le parcours pédagogique Sage Business Intelligence. Utilisateur Niv I BO XI 3.0 WebI pour Sage 1000 2 jours

Le parcours pédagogique Sage Business Intelligence. Utilisateur Niv I BO XI 3.0 WebI pour Sage 1000 2 jours Vous êtes Consultant, Chef de Projets, Directeur des Systèmes d Information, Directeur Administratif et Financier, Optez pour les «formations Produits» Nous vous proposons des formations vous permettant

Plus en détail

ÉTUDE DE LA VISUALISATION GÉOGRAPHIQUE DANS UN ENVIRONNEMENT D EXPLORATION INTERACTIVE DE DONNÉES GÉODÉCISIONNELLES

ÉTUDE DE LA VISUALISATION GÉOGRAPHIQUE DANS UN ENVIRONNEMENT D EXPLORATION INTERACTIVE DE DONNÉES GÉODÉCISIONNELLES VÉRONIQUE BEAULIEU ÉTUDE DE LA VISUALISATION GÉOGRAPHIQUE DANS UN ENVIRONNEMENT D EXPLORATION INTERACTIVE DE DONNÉES GÉODÉCISIONNELLES Adaptation et améliorations Mémoire présenté à la Faculté des études

Plus en détail

TABLE DES MATIÈRES CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 APPLICATIONS... 27 APPLICATIONS... 34

TABLE DES MATIÈRES CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 APPLICATIONS... 27 APPLICATIONS... 34 TABLE DES MATIÈRES CHAPITRE 1 L information et le système d information... 19 I. La place du système d information dans l organisation... 19 A. L organisation et ses composants... 19 B. L organisation

Plus en détail

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

Bases de données. Modèle décisionnel. Jérôme Rocheteau. Lecture 8. Institut Catholique d Arts et Métiers Site de Nantes 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 Bases de données Lecture 8 2 / 25 1 Structure multidimensionnelle

Plus en détail

Le projet HYPERCARTE

Le projet HYPERCARTE Le projet HYPERCARTE http://www-lsr.imag.fr/hypercarte/ ACI Masse de données 2003-2005 Laboratoire LSR-IMAG 1 Laboratoire ID-IMAG Projet APACHE INRIA 2 Laboratoire Géographie-Cité 3 UMS RIATE 4 (1) H.

Plus en détail

Hafed Benteftifa www.degenio.com. MouliForms. Migration Oracle forms 6-10g

Hafed Benteftifa www.degenio.com. MouliForms. Migration Oracle forms 6-10g MouliForms Migration Oracle forms 6-10g Introduction Phases de conversion Options et Outils de conversion Présentation de MouliForms Processus de conversion avec MouliForms Messages de conversion 2 Phases

Plus en détail

Analyse multidimensionnelle et système d information géographique appliqués à l analyse de données de gestion routière

Analyse multidimensionnelle et système d information géographique appliqués à l analyse de données de gestion routière IE Analyse multidimensionnelle et système d information géographique appliqués à l analyse de données de gestion routière Réalisé par: Dr Yvan Bédard, professeur Sonia Rivest, professionnelle de recherche

Plus en détail

L INFORMATION GEOGRAPHIQUE

L INFORMATION GEOGRAPHIQUE Champs sur Marne ENSG/CERSIG Le 19-nove.-02 L INFORMATION GEOGRAPHIQUE Archivage Le Système d information géographique rassemble de l information afin de permettre son utilisation dans des applications

Plus en détail

Experimental Evaluation of a Dynamic Cubing system: workflow, metrics and prototype

Experimental Evaluation of a Dynamic Cubing system: workflow, metrics and prototype Experimental Evaluation of a Dynamic Cubing system: workflow, metrics and prototype Anne Tchounikine, Maryvonne Miquel, Usman Ahmed LIRIS CNRS UMR 5205, INSA-Université de Lyon, France 1 Motivations Motivé

Plus en détail

XCube XML For Data Warehouses

XCube XML For Data Warehouses XCube XML For Data Warehouses Auteurs : Wolfgang Hümmer Andreas Bauer Gunnar Harde Présenté par : David TA KIM 2005-12-05 Sommaire Sommaire I Introduction au Datawarehouse Sommaire I Introduction au Datawarehouse

Plus en détail

1.1 Exemple introductif d un cube de données... 2

1.1 Exemple introductif d un cube de données... 2 1.1 Exemple introductif d un cube de données............... 2 2.1 Pré-traitement des données avec les outils OLAP [MHW00]...... 14 2.2 Architecture d un système intégrant SGBD, OLAP et MOLAP [Fu05] 16

Plus en détail

Modélisation des dynamiques spatiales et cartographies animée, interactive et dynamiques

Modélisation des dynamiques spatiales et cartographies animée, interactive et dynamiques Modélisation des dynamiques spatiales et cartographies animée, interactive et dynamiques Point de vue géographique UMR 7300 Espace Université d Avignon GDR MoDys École Thématique Modys : Modélisation et

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

Pour le renouvellement de la sémiologie de la carte de flux

Pour le renouvellement de la sémiologie de la carte de flux Thème 3 : la sémiologie usages et renouveau Pour le renouvellement de la sémiologie de la carte de flux Françoise Bahoken Représenter sur une carte toute l information disponible dans une matrice de flux,

Plus en détail

données géométriques et descriptives

données géométriques et descriptives Échange automatisé et contrôlé de données géométriques et descriptives issues d une modélisation 3D Par Vincent Thomas Eugénie Nyaminani Sous la supervision de Jacynthe Pouliot et Thierry Sous la supervision

Plus en détail

Principes et mise en œuvre du modèle OLAP. -1 ère Partie- La modélisation multidimensionnelle

Principes et mise en œuvre du modèle OLAP. -1 ère Partie- La modélisation multidimensionnelle Principes et mise en œuvre du modèle OLAP -1 ère Partie- La modélisation multidimensionnelle 1 Le modèle multidimensionnel (1) Le modèle multidimensionnel est bien adapté pour représenter des données qui

Plus en détail

Datawarehouse. C. Vangenot

Datawarehouse. C. Vangenot Datawarehouse C. Vangenot Plan Partie 1 : Introduction 1. Objectifs 2. Qu'est ce qu'un datawarehouse? 3. Pourquoi ne pas réutiliser les BD? Partie 2 : Implémentation d'un datawarehouse ROLAP MOLAP HOLAP

Plus en détail

Informatique commune en CPGE PSI-PC-PT-MP-TSI-TPC

Informatique commune en CPGE PSI-PC-PT-MP-TSI-TPC Informatique commune en CPGE PSI-PC-PT-MP-TSI-TPC L ingénieur doit maîtriser les concepts fondamentaux de l informatique pour : communiquer avec les informaticiens comprendre les questions de complexité

Plus en détail

Chapitre 1 Introduction

Chapitre 1 Introduction Les éléments à télécharger sont disponibles à l'adresse suivante : http://www.editions-eni.fr Saisissez la référence ENI de l'ouvrage SOBI10SHA dans la zone de recherche et validez. Cliquez sur le titre

Plus en détail

Les services web géographiques pour l interopérabilité et la valorisation des données, exemple d utilisation

Les services web géographiques pour l interopérabilité et la valorisation des données, exemple d utilisation Les services web géographiques pour l interopérabilité et la valorisation des données, exemple d utilisation Cyril Bernard, Centre d Ecologie Fonctionnelle et Evolutive (UMR 5175) Journées RBDD, Paris,

Plus en détail

Communication Visuelle par Composition de Flux Vidéo

Communication Visuelle par Composition de Flux Vidéo Communication Visuelle par Composition de Flux Vidéo Phuong Hoang Nguyen, Jozef Hatala, Gilles Privat, Pascal Sicard² FT R&D DIH/OCF - LSR-IMAG² Le présent document contient des informations qui sont la

Plus en détail

Analyse OLAP sur des tweets et des blogs : un retour d expérience

Analyse OLAP sur des tweets et des blogs : un retour d expérience Analyse OLAP sur des tweets et des blogs : un retour d expérience Brice Olivier, Cécile Favre, Sabine Loudcher Laboratoire ERIC, Université de Lyon, 5 Avenue Pierre Mendès-France 69676 Bron Cedex, FRANCE

Plus en détail

UNE DÉMARCHE D ANALYSE À BASE DE PATRONS POUR LA DÉCOUVERTE DES BESOINS MÉTIER D UN SID

UNE DÉMARCHE D ANALYSE À BASE DE PATRONS POUR LA DÉCOUVERTE DES BESOINS MÉTIER D UN SID 1 UNE DÉMARCHE D ANALYSE À BASE DE PATRONS POUR LA DÉCOUVERTE DES BESOINS MÉTIER D UN SID 31 janvier 2012 Bordeaux Présentée par :Mme SABRI Aziza Encadrée par : Mme KJIRI Laila Plan 2 Contexte Problématique

Plus en détail

Business Intelligence (BI) Stratégie de création d un outil BI

Business Intelligence (BI) Stratégie de création d un outil 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 indispensable, sous plusieurs

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

Gestion et visualisation de données multi-résolutions. Jean-Michel FOLLIN

Gestion et visualisation de données multi-résolutions. Jean-Michel FOLLIN Gestion et visualisation de données multi-résolutions Jean-Michel FOLLIN 1 Système de visualisation d information spatiales : Architecture générale Le client gère la visualisation des données, les requêtes

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

Mise en place d une base de données géoréférencées: outil d aide à la décision pour la protection des prises d eau

Mise en place d une base de données géoréférencées: outil d aide à la décision pour la protection des prises d eau Mise en place d une base de données géoréférencées: outil d aide à la décision pour la protection des prises d eau Contexte Exigences croissantes en matière de qualité et de sécurité d approvisionnement

Plus en détail

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

Objectifs. Maîtriser. Pratiquer

Objectifs. Maîtriser. Pratiquer 1 Bases de Données Objectifs Maîtriser les concepts d un SGBD relationnel Les modèles de représentations de données Les modèles de représentations de données La conception d une base de données Pratiquer

Plus en détail

HERMES SYSTEM et BEWISE souhaitent vous offrir les meilleures compétences.

HERMES SYSTEM et BEWISE souhaitent vous offrir les meilleures compétences. Notre alliance, Votre atout. HERMES SYSTEM et BEWISE souhaitent vous offrir les meilleures compétences. C est de cette philosophie qu est née notre partenariat avec la société toulousaine (31) Bewise,

Plus en détail

Table des Matières. Table des Figures 7. Introduction Générale 9. Chapitre 1 - Langages de description d architectures matérielles hybrides 23

Table des Matières. Table des Figures 7. Introduction Générale 9. Chapitre 1 - Langages de description d architectures matérielles hybrides 23 Table des Figures 7 Introduction Générale 9 1. Outils et plate-formes de construction d application 9 2. Intégration de paradigmes de conception dans le cycle de vie 10 2.1. Equilibrage de charge et équilibrage

Plus en détail

. Ce module offre la gamme de requête et d analyse la plus évoluée et la plus simple d utilisation du marché.

. Ce module offre la gamme de requête et d analyse la plus évoluée et la plus simple d utilisation du marché. La connaissance des facteurs-clés de réussite constitue un élément déterminant pour l amélioration des performances. Divalto intègre en standard, systématiquement Hyperion Intelligence. Ce module offre

Plus en détail

Supervision des réseaux et services pair à pair

Supervision des réseaux et services pair à pair Supervision des réseaux et services pair à pair Présentation des travaux de Thèse Guillaume Doyen LORIA - Université Henri Poincaré pour l obtention du Doctorat en Informatique de l université Henri Poincaré

Plus en détail

La Business Intelligence 01/05/2012. Les Nouvelles Technologies

La Business Intelligence 01/05/2012. Les Nouvelles Technologies 2 La Business Intelligence Les Nouvelles Technologies 3 Une expertise méthodologique pour une intervention optimale sur tous les niveaux du cycle de vie d un projet 4 5 Ils nous font confiance : L ambition

Plus en détail

et les Systèmes Multidimensionnels

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

Plus en détail