1. Data warehouse

1.1. Structure de data warehouse

Avant de pouvoir analyser les chiffres il faut les collecter dans un Data Warehouse.

Un data warehouse se structure en quatre classes :

 - Niveau de synthèse :
            - Données fortement agrégées : résultat d’analyse et  de synthèse contenue dans le système décisionnel, accessibles et compréhensibles.
            - Données agrégées
            - Données détaillées  : données provenant de système de production qui vont être intégrées régulièrement et réalisées à ce niveau

- Niveau d'historique
            - Données détaillées historisées  : données jamais mise à jours, stocke l'ensemble des valeurs prises au cours du temps



En règle général c'est le schéma ci-dessous qui est le plus courant, pour la construction d'un Data Warehouse et un cube OLAP :

* OLTP : On-Line Transaction Processing : données de type transactionnel.
* ETL : Extract, Transform and Load : chargé d'extraire les données dans différentes sources.
* DW : Data Warehouse : entrepôt de données.
* OLAP : Online Analytical Processing : structure de données multidimensionnelle

1.2. Caractéristiques du data warehouse

Un data warehouse intègre les données de productions provenant de l'ERP, CRM de l'entreprise, il gére les historiques.

Il a pour but de rendre lisible et manipulable les données de l'entreprise pour un accès direct aux utilisateurs.

Les données de type transactionnel ou OLTP (On-Line Transaction Processing) sont souvent modélisées pour répondre à des problématiques de performance, comme les INSERT, UPDATE, SELECT. Et parfois dé-normalisées toujours par soucis de performance.

Au contraire le Data warehouse qui va être alimenté par un ETL depuis la une source de données de type transactionnel, va être modélisé dans un contexte métier.