Bases de données - Modèle décisionnel
Transcription
Bases de données - Modèle décisionnel
Bases de données Modèle décisionnel Jérôme Rocheteau Institut Catholique d’Arts et Métiers – Site de Nantes Lecture 8 Bases de données Lecture 8 1 / 25 1 Structure multidimensionnelle 2 Modèle décisionnel 3 Méthodologie Bases de données Lecture 8 2 / 25 Structure multidimensionnelle 1 Structure multidimensionnelle Opérateur de regroupement Fonctions statistiques Synthèse de données Structures multidimensionnelles 2 Modèle décisionnel 3 Méthodologie Bases de données Lecture 8 3 / 25 Cas d’étude id 1 2 3 Bases de données Thématique nom Système d’information Mécanique structurelle Thermique Lecture 8 4 / 25 Cas d’étude id 1 2 3 4 Cours libellé Bases de données relationnelles Développement web Mécanique des structures Analyse thermique Bases de données Lecture 8 thématique 1 1 2 3 4 / 25 Cas d’étude id 1 2 3 4 5 6 7 Bases de données Département intitulé Matériaux Mécanique Énergétique GEA Informatique Productique Formation Humaine Lecture 8 4 / 25 Cas d’étude Enseignant id 1 2 3 4 5 6 7 Bases de données prénom Lamya Dominique Jean-Michel Virginie Jérôme Jérôme Pascal nom Belhaj Cavalin Cavalin Gaillard Rocheteau Soto Vinot dép 4 5 5 4 5 3 2 Lecture 8 cdi 1 0 1 1 1 1 1 4 / 25 Cas d’étude Étudiant id 1 2 3 Bases de données prénom Alonzo Haskell William nom Church Curry Howard promotion 116 116 116 Lecture 8 4 / 25 Cas d’étude Note date 2014-02-24 2014-02-24 2014-02-24 2014-04-18 2014-04-18 2014-04-18 2014-05-06 2014-05-06 2014-05-06 Bases de données ens. 5 5 5 3 3 3 7 7 7 cours 1 1 1 2 2 2 3 3 3 étu. 1 2 3 1 2 3 1 2 3 Lecture 8 note 14 12.5 11 16 18 14 10 8.5 11 4 / 25 Opérateur de regroupement Comment obtenir la moyenne par étudiant ? étudiant 1 2 3 moyenne 13.33 13 12 SQL 1 – Moyenne par étudiant 1 3 s e l e c t étudiant , avg( note ) as moyenne from Note group by étudiant ; Bases de données Lecture 8 5 / 25 Opérateur de regroupement Comment obtenir la moyenne par cours ? cours 1 2 3 moyenne 16 12.5 9.83 SQL 2 – Moyenne par cours 1 3 s e l e c t cours , avg( note ) as moyenne from Note group by cours ; Bases de données Lecture 8 6 / 25 Opérateur de regroupement Moyenne par thématique et par étudiant ? thématique 1 1 1 2 2 2 étudiant 1 2 3 1 2 3 moyenne 15 15.25 12.5 10 8.5 11 SQL 3 – Moyenne par thématique et étudiant 1 3 s e l e c t thématique , étudiant , avg( note ) as moyenne from Note i n n e r j o i n Cours on Cours . i d = Note . cours group by thémqtique , étudiant ; Bases de données Lecture 8 7 / 25 Opérateur de regroupement Opérateur de regroupement group by Regroupement de n occurrences en 1 seule thématique 1 1 1 1 1 1 2 2 2 Bases de données cours 1 1 1 2 2 2 3 3 3 étudiant 1 2 3 1 2 3 1 2 3 moyenne 14 12.5 11 16 18 14 10 8.5 11 Lecture 8 8 / 25 Opérateur de regroupement Opérateur de regroupement group by Regroupement de n occurrences en 1 seule thématique 1 1 1 2 2 2 Bases de données étudiant 1 2 3 1 2 3 moyenne 15 15.25 12.5 10 8.5 11 Lecture 8 8 / 25 Opérateur de regroupement Opérateur de regroupement group by Regroupement de n occurrences en 1 seule thématique 1 1 1 2 2 2 étudiant 1 2 3 1 2 3 moyenne 15 15.25 12.5 10 8.5 11 Que faire des valeurs des autres attributs ? Bases de données Lecture 8 8 / 25 Fonctions statistiques Fonctions statistiques : count compte le nombre d’occurrences regroupées max sélectionne le maximum du regroupement min sélectionne le minimum du regroupement sum calcule la somme du regroupement avg calcule la moyenne du regroupement Bases de données Lecture 8 9 / 25 Synthèse de données Comment obtenir la moyenne par thématique ? thématique 1 1 1 1 2 2 2 2 Bases de données étudiant 1 2 3 1 2 3 moyenne 15 15.25 12.5 14.25 10 8.5 11 9.83 Lecture 8 10 / 25 Synthèse de données Comment obtenir la moyenne par thématique ? SQL 4 – Synthèse par thématique et étudiant 2 4 s e l e c t thématique , étudiant , avg( note ) as moyenne from Note i n n e r j o i n Cours on Cours . i d = Note . cours group by thémqtique , étudiant with r o l l u p ; Opérateur de synthèse with rollup regroupe attribut par attribut débute par le dernier attribut (le plus à droite) termine par le 2e attribut (à gauche) la valeur de la synthèse est null applique les fonctions statistiques spécifiées sur les autres attributs qui ne font pas l’objet de la synthèse Bases de données Lecture 8 11 / 25 Synthèse de données Moyenne par thématique ou par étudiant ? thématique 1 1 1 1 2 2 2 2 étudiant 1 2 3 1 2 3 1 2 3 Bases de données moyenne 15 15.25 12.5 14.25 10 8.5 11 9.83 12.5 11.875 11.75 Lecture 8 12 / 25 Synthèse de données Comment obtenir la moyenne par thématique ? SQL 5 – Synthèse par thématique et étudiant 2 4 s e l e c t thématique , étudiant , avg( note ) as moyenne from Note i n n e r j o i n Cours on Cours . i d = Note . cours group by thémqtique , étudiant with cube ; Opérateur de synthèse with cube union de requêtes avec with rollup permutation de tous les attributs synthétisés Bases de données Lecture 8 13 / 25 Synthèse de données Comment obtenir la moyenne par thématique ? SQL 6 – Synthèse par thématique et étudiant 4 s e l e c t thématique , étudiant , avg( note ) as moyenne from Note i n n e r j o i n Cours on Cours . i d = Note . cours group by thémqtique , étudiant with r o l l u p 6 union 8 s e l e c t thématique , étudiant , avg( note ) as moyenne from Note i n n e r j o i n Cours on Cours . i d = Note . cours group by étudiant , thémqtique with r o l l u p ; 2 10 Bases de données Lecture 8 13 / 25 Structures multidimensionnelles SQL 7 – Synthèse par enseignant, cours et étudiant 1 3 5 7 select enseignant , cours , étudiant , avg( note ) as moyenne from Note group by enseignant , cours , étudiant with cube ; Bases de données Lecture 8 14 / 25 Structures multidimensionnelles enseignant cours étudiant moyenne 5 5 5 5 5 3 3 3 3 3 7 7 7 7 7 1 1 1 1 1 2 3 2 2 2 2 1 2 3 3 3 3 3 1 2 3 14 12.5 11 12.5 12.5 16 18 14 16 16 10 8.5 11 9.83 9.83 12.5 16 9.83 13.33 13 12 1 2 3 1 2 3 Bases de données Lecture 8 15 / 25 Structures multidimensionnelles Church Curry M Bases de données éc Ba se u Vi no t Ro ch et ea C av al in Howard Dé v. we b Lecture 8 sd e a. d es d. str uc 16 / 25 t. Structures multidimensionnelles Note de Church en bases de données Church Curry Ro Bases de données ot Vi n te au M ch e C av al in Howard Dé Ba se v. we b Lecture 8 éc sd a. d e es d. str uc 16 / 25 t. Modèle décisionnel 1 Structure multidimensionnelle 2 Modèle décisionnel Schéma en étoile Table de faits Dimensions Hiérarchies 3 Méthodologie Bases de données Lecture 8 17 / 25 Modèle décisionnel Comment bien utiliser ces fonctionnalités ? modèle conceptuel arborescent une entité centrale (table de faits) des entités périphériques (dimensions) récursivité de l’arborescence (hiérarchies) associations de type 1-N cardinalité 1..1 vers l’intérieur cardinalité 0..n vers l’extérieur schéma en étoile = modèle décisionnel Bases de données Lecture 8 18 / 25 Schéma en étoile Enseignant Cours 0..n 0..n 1-N 1-N 1..1 1..1 Note 1..1 1-N 0..n Date Bases de données 1..1 1-N 0..n Étudiant Lecture 8 19 / 25 Schéma en étoile Enseignant Cours Note Date Bases de données Étudiant Lecture 8 19 / 25 Schéma en étoile Département Thématique Enseignant Cours Note Date Étudiant Promotion Bases de données Lecture 8 19 / 25 Table de faits Département Thématique Table de faits Enseignant Cours Note Date Étudiant Promotion Bases de données Lecture 8 20 / 25 Dimensions Département Thématique Dimension Enseignant Cours Note Date Étudiant Promotion Bases de données Lecture 8 21 / 25 Dimensions Département Thématique Dimension Enseignant Cours Note Date Étudiant Promotion Bases de données Lecture 8 21 / 25 Dimensions Département Thématique Dimension Enseignant Cours Note Date Étudiant Promotion Bases de données Lecture 8 21 / 25 Dimensions Département Thématique Dimension Enseignant Cours Note Date Étudiant Promotion Bases de données Lecture 8 21 / 25 Hiérarchies Département Thématique Hiérarchie Enseignant Cours Note Date Étudiant Promotion Bases de données Lecture 8 22 / 25 Hiérarchies Département Thématique Hiérarchie Enseignant Cours Note Date Étudiant Promotion Bases de données Lecture 8 22 / 25 Hiérarchies Département Thématique Hiérarchie Enseignant Cours Note Date Étudiant Promotion Bases de données Lecture 8 22 / 25 Hiérarchies Département Thématique Dimension Enseignant Cours Note Date Étudiant Promotion Bases de données Lecture 8 22 / 25 Hiérarchies Note Hiérarchie Date Semestre Année Bases de données Lecture 8 22 / 25 Méthodologie Expression du besoin Conception Validation Modèle décisionnel Transformation Structures multidimensionnelles Synthèse Modèle relationnel Magasin de données Extraction Bases de données Lecture 8 23 / 25 Méthodologie Expression du besoin Données, table ou relation Modèle décisionnel schéma en étoile Magasin de données base de données Structures multidimensionnelles cubes OLAP Bases de données Lecture 8 24 / 25 Méthodologie Conception déduire la table de faits, ses dimensions, les hiérarchies éventuelles et leurs propriétés Transformation définir le schéma de relations Extraction insérer des données dans les relations procéder dimension par dimension commencer par la hiérarchie externe continuer vers la hiérarchie interne terminer par la table de faits Synthèse effectuer les requêtes SQL Validation vérifier le résultat obtenu Bases de données Lecture 8 25 / 25