La planification de l'entrepôt de données permet aux architectes de définir les fondations structurelles avant le début de toute modélisation. Sur la page Data Warehouse Planning, les architectes collaborent avec les équipes de développement des données et de conception de modèles pour configurer les éléments Business Category, Data Domain, Business Process, Data Mart, Subject Area et Data Warehouse Layering. Cette approche offre à chaque modèle un environnement structuré, hiérarchisé et orienté par domaine.
Fonctionnement
Chaque entrepôt de données fait face au même défi fondamental : les données brutes arrivent avec la structure imposée par les systèmes source, tandis que les décisions métier nécessitent des données organisées selon les concepts de l'entreprise. La planification de l'entrepôt de données comble cet écart grâce à deux cadres complémentaires :
Perspective métier : organise la propriété et la consommation des données selon la structure de l'entreprise.
Perspective technique : définit comment les données brutes sont progressivement affinées pour devenir des métriques prêtes à l'emploi.
Ces deux cadres poursuivent le même objectif : faire passer les données d'une conformité aux sources à une conformité aux besoins métier.
Planification selon la perspective métier
La perspective métier s'appuie sur cinq constructions pour organiser les données, de la production à la consommation.
La Business Category représente la division de niveau supérieur de votre activité, par exemple le commerce électronique, la finance ou la vente au détail. Elle définit qui est responsable d'un ensemble de données donné.
Le Data Domain est une classification de haut niveau qui regroupe et abstrait les processus métier. Un seul Data Domain peut couvrir plusieurs Business Categories. Par exemple, un domaine de transaction peut servir à la fois au commerce électronique et à la finance.
Le Business Process désigne une activité spécifique au sein d'un Data Domain, comme la passation d'une commande ou l'exécution d'un paiement. Un Data Domain peut contenir plusieurs Business Processes.
Le Data Mart constitue un point d'accès aux données pour un scénario métier précis, tel qu'un mart dédié à une plateforme opérationnelle. Il représente l'endroit où les données sont consommées.
Le Subject Area divise un Data Mart en thèmes selon la perspective analytique, par exemple l'analyse des produits ou le comportement des utilisateurs. Un Data Mart peut contenir plusieurs Subject Areas.
Planification selon la perspective technique
Le Data Warehouse Layering définit comment les données sont traitées et affinées à travers cinq couches, couvrant l'ensemble des Business Categories, Data Domains et Data Marts.
DataWorks propose une architecture par défaut en cinq couches adaptée à la plupart des besoins. Utilisez le module Data Layer pour ajouter des couches personnalisées répondant à des exigences spécifiques.
| ODS | DIM | DWD | DWS | ADS | |
|---|---|---|---|---|---|
| Nom complet | Operational Data Store | Dimension Layer | Data Warehouse Detail | Data Warehouse Summary | Application Data Service |
| Groupe de couches | Couche d'importation des données | Couche commune | Couche commune | Couche commune | Couche application |
| Fonctionnalité | Ingère les données brutes provenant des systèmes source. Le schéma reflète celui de la source. | Crée des tables de dimensions cohérentes à l'échelle de l'entreprise. | Construit des tables de faits pour les données détaillées, généralement sous forme de tables larges. | Élabore des métriques agrégées selon des granularités courantes. | Stocke des métriques statistiques personnalisées. |
| Types de modèles | Table source | Table de dimension, Dimension | Table de faits | Table d'agrégation | Table d'application, Table de dimension, Dimension |
| Types de métriques | — | Métrique atomique | Métrique atomique | Métrique atomique, Métrique composite, Métrique dérivée | Métrique composite, Métrique dérivée |
Conception de votre entrepôt de données
Planification et conception personnalisées
Commencez par définir l'objectif métier, puis concevez la solution technique.
Planifiez vos Business Categories, Data Domains et Data Marts en fonction de la structure organisationnelle et des besoins de consommation.
Concevez les couches de stockage des tables en utilisant l'architecture en cinq couches comme référence.
Utilisez un vérificateur pour standardiser les conventions de nommage dans chaque couche.
Pour les entreprises complexes, activez l'Modeling Space afin de réutiliser les architectures entre les équipes.