ENJEUX DE LA MODÉLISATION

Rappel des objectifs et l'impact de la modélisation sur le projet Data Warehouse.
Comment se traduit le métier dans un Data Warehouse ?
Pourquoi ne faut-il pas faire l'impasse sur les aspects sémantiques ?
Le lien fort entre la modélisation en étoile et le succès de la construction d'un Data Warehouse.
Cas pratique n°1 : les aspects académiques de la modélisation en étoile.

LA MODÉLISATION EN ÉTOILE

Les concepts pratiques : qu'est-ce qu'une étoile ?
Qu'est-ce qu'un fait ? Un axe d'analyse ?
Comment distinguer les informations événementielles des informations référentielles ?
Comment faire la différence entre un modèle dit « en étoile » et un vrai modèle vectoriel ?
Les différences entre le modèle en étoile et les modèles traditionnels et leurs impacts. Pourquoi la compréhension des processus métier est incontournable pour pratiquer le modèle en étoile ?
Les règles et principes de construction d'un modèle en étoile. Pourquoi le modèle en flocon est une dérogation techniquement inutile et fonctionnellement dangereuse ?
Comment, à partir du modèle de données, acquérir une vision critique et la maîtrise du projet décisionnel ?
Quand et comment estimer la volumétrie de l'entrepôt de données ?
Cas pratique n°2 : les aspects fonctionnels et référentiels de la modélisation en étoile.

LA GESTION DES AGRÉGATS ET DES INDICATEURS DE PILOTAGE

L'évolution des besoins de reporting vers le suivi, l'analyse et le pilotage des processus métier : comment éviter un reporting "photographique" agrégé et figé ?
La définition d'un agrégat. Comment bien gérer les agrégats à partir de la modélisation vectorielle ?
Le pré-calcul des indicateurs.
Cas pratique n°3 : la modélisation des informations de suivi, d'analyse et de pilotage.

Pourquoi et quand doit-on l'effectuer ?
Quels sont les différents types d'agrégats ?
Comment distinguer un besoin de reporting d'un besoin d'analyse ? Comment éviter le foisonnement des agrégats dans le Data Warehouse ?
Pourquoi le principe d'agrégation sous forme de « photos » est inadapté sur le plan fonctionnel ?
Comment gérer l'accès aux informations agrégées et détaillées à partir des outils clients ?
Cas pratique n°4 : les limites de la "modélisation Infocentre".

LES PROBLÉMATIQUES FONCTIONNELLES

Comment fiabiliser les informations contenues dans le Data Warehouse ?
Quelles "astuces" de modélisation pour quels besoins utilisateurs ?
Comment assurer un périmètre fonctionnel stable (gestion des nomenclatures et des référentiels...) ?
Quel est l'impact sur les indicateurs ?
Comment anticiper les évolutions du modèle de données ?

SYNTHÈSE ET CONCLUSION

Rappel des points clés de la modélisation d'un Data Warehouse.
Bibliographie et sites Web.
Glossaire.
Dans le cas d'un projet décisionnel défini, il est tout à fait possible et fortement recommandé à la maîtrise d'oeuvre du projet Data Warehouse, de venir assister à ce séminaire accompagné de la maîtrise d'ouvrage du périmètre fonctionnel cible et réciproquement.