7 juin 2007 Yasser HACHAICHIEDA 2007 1 DU RELATIONNEL AU MULTIDIMENSIONNEL : CONCEPTION DE MAGASINS...

17 juin 2007 Yasser HACHAICHI EDA 2007

DU RELATIONNEL AU MULTIDIMENSIONNEL : CONCEPTION

DE MAGASINS DE DONNÉES

Présenté par : Yasser HACHAICHI

Sous la direction de : Mr. Jamel FEKI


PLAN :

1. Systèmes d’information décisionnels

2. Contexte et motivations

3. Présentation de l’approche

4. Extraction des concepts

multidimensionnels

5. Bilan & Perspectives


Extraction de Concepts MD Bilan & Perspectives Présentation de l’approcheIntroduction Introduction Contexte

Introduction :

• Systèmes d’information décisionnels (SID)• Dédiés au pilotage des entreprises• Basés sur des structures particulières de stockage

ED & MD

•Réduites à des MD pour des raisons telle que d’économie de coûts, de délais du projet décisionnel

•Approche quasi-automatique de construction de schémas de MD à partir de sources cible

ED

MD

MD

SOURCES

DE DONNEES


Contexte :Extraction de Concepts MD Bilan & Perspectives Présentation de l’approcheIntroduction ContexteContexte

•Approches de conception de SD :– Ascendantes, Descendantes et Mixtes

– Ascendantes• Partant de diagrammes E/R

– E/R parfois non disponible ou obsolète– Double compétence en :

• Modélisation du SI,• Modélisation MD

• Génération d’un grand nombre de schémas MD• Pas de règles pour dériver automatiquement les

représentations logiques

=>Approche quasi-automatique partant d’une source relationnelle


Problématique : Méthode

• Objectif : Méthode et outil de conception – Élaborer une méthode quasi-automatique– Identifier les concepts multidimensionnels pertinents – Assister le concepteur décisionnel – Utiliser une version récente du schéma de la source– Préparer le passage automatique vers le niveau logique

• Proposition :– Développer un outil d’aide à la conception de MD– Définir des heuristiques d’extraction (source rela.),– Affecter un niveau de pertinence aux concepts extraits– Associer concept-source

Extraction de Concepts MD Bilan & Perspectives Présentation de l’approche Présentation de l’approcheContexteIntroduction


Principe de la méthode Extraction de Concepts MD Bilan & Perspectives Présentation de l’approche Présentation de l’approcheContexteIntroduction

Pré-constructionPré-construction Construction des schémas de MD

Construction des schémas de MD

ValidationValidation

Sélection des relations concernés

&Modification des classes

conceptuelles

Référentiel des schémas de MD

Validation des schémas en étoiles

Concepteur décisionnel

ENSEIGNEMENT_ASSURE

NBR_GRP_ENSNBRE_GRPVOL_HOR_ENS_MATNBRE_ETUDVOL_HOR_MATNUM_TEL_F (ENSEIGNANT)NUM_TEL_M (ENSEIGNANT)

ENSEIGNANTCOD_ENS

NOM_ENS

PRE_ENS

TYP_ENS

E_MAIL

GRAD_ENSMATIERE

COD_AUDCOD_MAT

COD_SEC

INT_SEC

INT_AUD

NUM_CYC

INT_MAT

DCS AN_UNIVAN_UNIV

DCS NAT_ENSMTNAT_ENSMT

DCS NUM_SEMNUM_SEM

ENSEIGNEMENT_ASSURE

NBR_GRP_ENSNBRE_GRPVOL_HOR_ENS_MATNBRE_ETUDVOL_HOR_MATNUM_TEL_F (ENSEIGNANT)NUM_TEL_M (ENSEIGNANT)

ENSEIGNANTCOD_ENS

NOM_ENS

PRE_ENS

TYP_ENS

E_MAIL

GRAD_ENSMATIERE

COD_AUDCOD_MAT

COD_SEC

INT_SEC

INT_AUD

NUM_CYC

INT_MAT

DCS AN_UNIVAN_UNIV

DCS NAT_ENSMTNAT_ENSMT

DCS NUM_SEMNUM_SEM

MD candidats

Identification des concepts multidimensionnels

&association de la pertinence

Modification des concepts extraits

Sourcerelationnelle

Éditeur graphique des schémas

multidimensionnels

Référentiel des schémas relationnels

extraits

Extraction du schéma de la source

&attribution de la classe

conceptuelle

Interventions du concepteur

BD

MD retenus

Attribution de pertinence


• travaux sur l’E/R– Associations n-aire fait (Kimball 97), (Golfarelli et al. 98), (Cabibbo et al. 98), (Soussi et al. 05)

– Entité dimension, paramètre ou fait (Moody et al 2000), (Bonifati et al 2001), (Phipps et al 2002)

• Concepts– E/R : Deux concepts – Relationnel : Un concept

Difficulté : Une relation R, Est-elle entité ? ou association ?

Identification :Extraction de Concepts MDExtraction de Concepts MD Bilan & Perspectives Présentation de l’approcheIntroduction Contexte


Identification de la classe conceptuelle :

• Éléments de réponse (structure des rel.) :– Relation-entité : Clé primaire Clé étrangère

– Relation-association : Clé primaire Clé étrangère

Extraction de Concepts MDExtraction de Concepts MD Bilan & Perspectives Présentation de l’approcheIntroduction Contexte

R1(A1,A2,A3) R2(A4,A5,A6) Rn(A1#,A4#,…,A9)

Source Relationnelle

Entité Association

…


Extraction d’un fait : Origine

Deux niveaux de pertinence de faits

Relation Fait

Relation-Association Relation-Entité

•Origines des faits dans une source E/R :


Relation-Association

•Origine des faits dans une source rel.


COMPORTE_GRP (AN_UNIV, COD_MAT#, NAT_ENSMT, NBR_GRP)

Extraction des faits : Relation-association (R-a)

Hf1 : Toute R-a contenant au moins un attribut numérique non clé est un fait candidat pertinent.


R-association Numérique


Hf2 : Toute R-e contenant au moins un attribut numérique non clé est un fait candidat de faible pertinence.

Extraction des faits : Relation-entité (R-e)


R-entité Numérique

AUDITOIRE (COD_AUD, INT_AUD, NUM_CYC, COD_SEC #)


Extraction des mesures : Origine


Attributs Mesures

Relation-Fait F

Relations parallèles

Deux cas :

Deux niveaux de pertinence de mesures

Relation-Fait F


Extraction des mesures : Relation-fait :

Hm1 : Les attributs numériques non clés appartenant exclusivement à une relation-fait F sont des mesures candidates pour F.

COMPORTE_GRP (AN_UNIV, COD_MAT #, NAT_ENSMT, NBR_GRP)


NumériqueRelation fait


Extraction des mesures : Relations //


Associations parallèles

Relations parallèles

1,n

0,n

0,n

0,n

0,n

ENT_1

ID_ENT_1

ENT_2

ID_ENT_2INT_ENT_2

ENT_3

ID_ENT_3ASSOC_2

ATT_NUM2

ASSOC_1

ATT_NUM1

R1 (ID_ENT2#, ID_ENT1, ATT_NUM1)

R2 (ID_ENT2#, ID_ENT1, ID_ENT3, ATT_NUM1)



=

//

//


Extraction des mesures : Relations // :

Hm2 : Si une relation-fait R1 est parallèle à une autre R2 alors les attributs numériques non clés appartenant à R2 constituent des mesures candidates, éventuellement agrégées, pour R1.

REGROUPE_ETUD (AN_UNIV, COD_MAT #, NBR_ETUD)

Agrégation




Extraction des dimensions : Origines


Plusieurs cas :

Deux niveaux de pertinence

Dimension (F)

Relation-EntitéDirectement liées à F

Attributs temporels ou Booléens

Attribut Entité vide


Relation-EntitéDirectement liées à F


Extraction des dimensions : Relation

Hd1 : Toute relation-entité R directement référencée par une relation-fait F est une dimension candidate pour F. L’identifiant de cette dimension est celui de R


MATIERE (COD_MAT, COD_AUD #, INT_MAT, VOL_HOR_MAT)


Dimension ID_dimension


Extraction des dimensions : Attribut (1)

Hd2 : Tout attribut booléen ou temporel (Hd3) appartenant à une relation-fait donne naissance à une dimension pertinente dont il est l’identifiant.

•Attributs booléens ou temporels



Extraction de Concepts MDExtraction de Concepts MD Bilan & Perspectives Présentation de l’approcheIntroduction Contexte Extraction des dimensions : Attribut (2)

Hd4 : Si un attribut de la clé primaire d'une relation-fait de classe Ra n'est pas une clé étrangère alors cet attribut construit une dimension candidate.

•Attribut clé décrivant une entité vide

1,n1,n

Ent_1

A1

Ent_2

A4A5

Assoc_1

A7

Ent_2 (A4, A5)Assoc_1 (A4#, A1, A7)



•Attribut non clé décrivant une entité vide

1,n1,1

Ent_1

A1A2

Ent_2

A4Assoc_1 Ent_1 (A1, A2, A4).

Problème!!

Résolu si

1,n1,1

Ent_1

A1A2

Ent_2

A4Assoc_1Ent_3

A7

Assoc_2

......

?,y?,n

Ent_1 (A1, A2, A4).

Ent_3 (A7,…, A4) (si y = 1)

Assoc_2 (A7, A4) (si y>1)



•Attribut non clé décrivant une entité vide

CHARGE_EXIGEE (NAT_ENSMT, GRAD_ENS, CHARG_HOR_EXI)

ENSEIGNANT (NUM_ENS, NOM_ENS, PRE_ENS, NUM_TEL_F, NUM_TEL_M, E_MAIL, TYP_ENS, GRAD_ENS)

Problème

Hd5 : Tout attribut a non clé appartenant à une relation-fait et à d’autre(s) relation(s) est un identifiant candidat d'une dimension construite sur a.


Extraction des hiérarchies : Origines


Plusieurs cas :

Deux niveaux de pertinence

Hiérarchie (Hd1)

Relation-EntitéDirectement liées à d


Attribut Entité vide


Relation-EntitéDirectement liées à d


Extraction des hiérarchies : Relations


Hh1 : Si la clé primaire PK d'une relation de classe R-e est directement référencée par une relation-dimension d alors PK est un paramètre candidat de rang 2 pour une nouvelle hiérarchie de d.

•Paramètres de rang 2


Extraction des hiérarchies : Attributs (1)


Hh2 : Tout attribut booléen ou temporel appartenant à une relation-dimension d est un paramètre candidat terminal de rang 2 d'une hiérarchie définie sur d.



Extraction des hiérarchies : Attributs (2)


Hh3 : Tout attribut non clé appartenant simultanément à une relation-dimension d et à d'autre(s) relation(s) est un paramètre candidat de rang 2 d'une hiérarchie de d.

L'application récursive de Hh1 à Hh3 sur les relations dont la clé est un paramètre de rang i>1(Hh1) produit des paramètres de rang i+1.


•Paramètres de rang > 2


Illustration :Extraction de Concepts MDExtraction de Concepts MD Bilan & Perspectives Présentation de l’approcheIntroduction Contexte

ENSEIGNEMENT _ASSURE

COD_MAT :NUM_ENS : NUM_SEM, NAT_ENSMT,AN_UNIV, NBR_GRP_ENS

MATIERE

COD_MATCOD_AUD :INT_MAT, VOL_HOR_MAT

ENSEIGNANT

NUM_ENS,NOM_ENS, PRE_ENS,NUM_TEL_F, NUM_TEL_M,E_MAIL, TYP_ENS,GRAD_ENS

M

P

P

PAUDITOIRE COD_AUD, INT_AUD, NUM_CYC, COD_SEC

P

SECTION COD_SEC, INT_SEC

P

CHARGE_EXIGEENAT_ENSMTGRAD_ENS, CHARG_HOR_EXI

Hf1

Hm1

Hd1

Hd1

Hd4

Hh1

Hh1

Hh4


Illustration :Extraction de Concepts MDExtraction de Concepts MD Bilan & Perspectives Présentation de l’approcheIntroduction Contexte

ENSEIGNEMENT_ASSURE

NBR_GRP_ENSENSEIGNANT

COD_ENS

NOM_ENS

PRE_ENS

TYP_ENS

E_MAIL

GRAD_ENS

DCS_AN_UNIV

AN_UNIV

DCS_NAT_ENSMTDCS_NUM_SEM

NUM_SEM

MATIERE COD_AUD

COD_MATCOD_SEC

INT_SEC

INT_AUD

NUM_CYC

INT_MAT

NAT_ENSM


Evaluation :Extraction de Concepts MDExtraction de Concepts MD Bilan & Perspectives Présentation de l’approcheIntroduction Contexte

•Appliqué en plus sur des sources dans la littérature des systèmes décisionnels :

CAME : identifie automatiquement tous les faits possibles CAME : identifie toutes les mesures à l'exception des mesures calculables.CAME : identifie toutes les dimensions à l'exception des dimensions construites sur des entités vides uniquement liées au fait

Per

tinen

ce d

es M

D

obte

nus

et n

on

envi

sagé

es

Tau

x de

cou

vert

ure

des

mes

ures

et d

es

dim

ensi

ons

des

MD

ex

trai

ts

Critère

Cas

Nom

bre

de M

D p

our

le

beso

in e

nvis

agé

dans

le

cas

i

Nom

bre

de M

D e

xtra

its

pa

r C

AM

E

Tau

x de

cou

vert

ure

des

MD

E* F* Mes Dim

Activité commerciale (Golfarelli et al. 1998b)

1 3 1/1 0 2 2/2 3/3

« Flight reservation system » (Böhnlein et al.1999)

1 3 1/1 2 0 1/2 4/4

« Hospital » (Golfarelli et al. 1998a)

1 1 1/1 0 0 2/4 7/10

Répartition des charges des Enseignants (Soussi et al. 2005)

2 9 2/2 3 4 2/4 6/6


Bilan & Perspectives :Bilan & PerspectivesBilan & Perspectives Présentation de l’approcheIntroduction Contexte Extraction de Concepts MD

• Méthode de construction assistée de schémas de MD en étoile

• Outil CAME

• Tests de notre méthode sur plusieurs cas type de sources relationnelles

Bilan

Perspectives

•Introduction des mesures calculées

•Génération automatique des procédures de génération de schémas logiques et de chargement (Mastère qui démarre).

Finaliser CAME produit qui aide les entreprises à se doter de leur propre SD :

•Diversification des sources


Merci de votre attentionMerci de votre attention

Yasser Hachaichi

Département Informatique, Faculté des Sciences Economiques et de Gestion de Sfax-Tunisie

Laboratoire MIRACL


2007

2002, 2004 2006

JFO 2007

…

7 juin 2007 Yasser HACHAICHIEDA 2007 1 DU RELATIONNEL AU MULTIDIMENSIONNEL : CONCEPTION DE MAGASINS...

Documents

Transcript of 7 juin 2007 Yasser HACHAICHIEDA 2007 1 DU RELATIONNEL AU MULTIDIMENSIONNEL : CONCEPTION DE MAGASINS...