Quelle est la meilleure architecture d'entrepôt de données pour les rapports ?

La plupart des entreprises s'appuient sur un entrepôt de données comme source unique de vérité - un référentiel de données consolidé qui sert de couche de reporting permettant aux entreprises d'identifier les tendances et d'obtenir des informations commerciales précieuses. Cependant, pour maximiser les performances et tirer le meilleur parti d'un entrepôt de données, il est essentiel de choisir la bonne architecture et de créer un modèle de données bien défini.

En savoir plus sur l'architecture d'entrepôt de données : types, composants et concepts

Lorsque nous parlons d'architectures d'entreposage de données, vous disposez de nombreuses options, notamment 3NF, coffre-fort de données, modèles dimensionnels (schéma en étoile et en flocon de neige) et One Big Table (OBT). Cependant, tous ne se prêtent pas au reporting.

Un facteur important à prendre en considération est le niveau de normalisation/dénormalisation dans le modèle. Une architecture hautement normalisée est souvent difficile à consommer, compte tenu du nombre élevé de tables et de relations. Les requêtes créées pour la consommation sont également très complexes en raison d'un grand nombre de jointures entre les entités. Jetons un coup d'œil à toutes ces architectures d'entreposage de données pour identifier quelle est la meilleure option de création de rapports.

3NF et coffre-fort de données

Dès le départ, il est évident que les modèles 3NF et Data Vault ne conviennent pas comme couches de rapport car ces modèles sont hautement normalisés. Ces architectures se concentrent sur la réduction de la redondance des données, ce qui se traduit naturellement par une augmentation du nombre de tables. Les modèles 3NF sont principalement utilisés comme couche ODS (Operational Data Store), qui extrait les données de plusieurs sources dans un référentiel centralisé.

Coffre de données, d'autre part, est optimisé pour l'évolutivité et l'adaptabilité en termes d'ajout de nouvelles sources de données avec une complexité réduite. Les datamarts de style Kimball sont généralement construits au-dessus d'un coffre-fort de données, car l'utilisation directe du coffre-fort pour la création de rapports n'est pas pratique en raison du facteur de normalisation. Cependant, il peut être utilisé à des fins d’audit.

Modèles dimensionnels

Les modèles dimensionnels sont spécifiquement conçus pour agir en tant que couches de rapport. Les structures dénormalisées de ces modèles améliorent les performances des requêtes et facilitent la consommation. Il existe deux types de schémas dans les modèles dimensionnels : le schéma en étoile et le schéma en flocon de neige. La principale différence entre ces deux est qu'un schéma en flocon de neige contient des dimensions normalisées, tandis qu'un schéma en étoile contient des dimensions dénormalisées.

Bien que Snowflake offre divers avantages, notamment une redondance réduite des données et une navigation plus facile, un schéma en étoile est clairement le gagnant lorsque l'on parle strictement de consommation pour les rapports. C'est simplement parce que ce dernier contient des dimensions dénormalisées, ce qui signifie que les requêtes sont moins compliquées.

De plus, le suivi des données historiques avec des dimensions à évolution lente (SCD) peut être un problème en raison des dépendances parent-enfant entre les dimensions dans le schéma Snowflake. Ce problème est inexistant dans un schéma en étoile.

OBT (Une grande table)

Jusqu'à présent, nous avons établi que le niveau de normalisation/dénormalisation est la clé pour déterminer si une architecture est adaptée au reporting. Selon cette logique, le schéma en étoile reste l'option préférée. Cependant, OBT va encore plus loin en fournissant le plus haut niveau de dénormalisation possible. Il combine toutes les tables pour créer une grande table contenant toutes les données.

Si la dénormalisation est vraiment le secret d'une couche de reporting solide, l'architecture OBT devrait être un choix évident pour les experts en BI. est-ce vraiment si simple?

Eh bien pas vraiment. Voici ce qui donne au schéma en étoile l'avantage sur l'OBT : les schémas en étoile sont optimisés pour garder une trace des données historiques, ce qui est une exigence indispensable à des fins d'analyse. De plus, ils contiennent souvent des dimensions conformes réutilisables, qui sont facilement maintenables et évolutives pour prendre en charge le reporting et l'analyse interentreprises.

Bien que l'OBT offre des performances optimales lors de l'interrogation des données, en particulier avec une base de données en colonnes, l'architecture présente certains problèmes qui lui sont propres. Comme tout est regroupé dans une seule table, la redondance des données est élevée, ce qui rend l'architecture difficile à maintenir. En outre, la préservation des données historiques via les SCD, bien que pas impossible, est une tâche beaucoup plus complexe.

La création de rapports basés sur des données actuelles est facile avec OBT, mais lorsqu'il s'agit de rapports historiques, les choses peuvent devenir compliquées, ce qui peut être un facteur décisif pour de nombreux experts en BI.

Conclusion

Sur la base de l'analyse ci-dessus, il est sûr de conclure qu'un schéma en étoile est bel et bien l'architecture la plus appropriée pour le reporting. Alors que d'autres architectures ont leurs propres avantages, un schéma en étoile offre l'équilibre parfait entre le niveau de dénormalisation nécessaire pour les requêtes moins complexes.

Un schéma en étoile offre également des avantages structurels, tels que la gestion des données historiques et la facilité d'utilisation, ce qui le distingue des autres architectures. Construire un schéma en étoile à partir de zéro en utilisant un système OLTP comme point de départ peut être difficile et prendre du temps. Heureusement, Astera DWB Builder fournit la solution idéale à ce problème.

Astera DW Builder dispose d'un concepteur de modèle de données intégré, d'une interface par clic et point et de la possibilité de normaliser ou de dénormaliser des entités sans écrire de code. À l'aide du concepteur intuitif, vous pouvez ajouter de nouveaux tableaux/champs et modifier les structures existantes en quelques glisser-déposer.

De plus, la fonctionnalité d'automatisation des modèles dimensionnels vous permet de créer un schéma en étoile directement à partir d'une architecture existante en quelques clics. Créer et utiliser des schémas en étoile pour les rapports n'a jamais été aussi simple !

Si vous souhaitez explorer la manière agile de créer votre entrepôt de données, contactez-nous à [email protected] dès aujourd’hui.

En savoir plus sur la modélisation dimensionnelle : aperçu, avantages et conseils de conception