Data Warehousing, le stockage des données décisionnelles

Définition Data Warehouse

Les entrepôts de données

Un dossier consacré aux techniques de data warehousing.
Construire le Data Warehouse, l'entrepôt de données, choisir soigneusement le datamart, modéliser et structurer la base de données, définir l'architecture globale de stockage, gérer le projet datawarehouse, et bien sûr comprendre le big data, calculer le ROI, retour sur investissement et préciser le TCO, coût de possession.
Ce dernier chapitre traite le thème un peu plus globalement et se place au niveau du projet de business intelligence.

Data Warehouse, outils et techniques

• Data Warehouse
  Qu'est-ce qu'un data warehouse ? Quels en sont les principes fondamentaux ?
• Data Mart
  Définition du data mart, recommandations pour conduire le projet
• Modèlisation du data warehouse
  Modélisation du data warehouse. Quel schéma ? Le modèle de données en étoile et le modèle de données en flocon
• Architecture du Data Warehouse
  Architecture du Data Warehouse, SMP, MMP, Cluster. Que choisir ?
• Le projet Data Warehouse
  Le projet Data Warehouse est un processus continu. Les 4 étapes du projet détaillées
• Le ROI du projet Data Warehouse
  Comment calculer le ROI, retour sur investissement, du projet Data Warehouse ?
  Qu'en est-il du coût de possession ?

Big Data, solutions et outils

• MapReduce
  Map Reduce, une solution originale pour exploiter de très grandes masses de données en traitement multi parallèle.
• Hadoop
  Hadoop, un projet de la fondation Apache basé sur MapReduce pour bâtir les data Warehouses de nouvelle génération.
  Le principe détaillé de Hadoop pour mieux saisir les fondements de l'analyse de grande quantité de données massivement répartie.
• Bases de données NoSQL
  Que sont les bases de données NoSQL (Not Only SQL) ? Quel en est le principe ? En quoi sont-elles différentes des plus classiques bases de données relationnelles SGBDR ?

Partagez cet article...

  
(total partages cumulés > 125)