Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Importer

Bienvenue sur Scribd !

  • 62 vues

    Série de TD N°2

    Transféré par

    hasna.nafir

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Série de TD N°2

    Transféré par

    hasna.nafir
    62 vues1 page

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    62 vues1 page

    Série de TD N°2

    Transféré par

    hasna.nafir

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 1

    Business Intelligence Avancé (M1 : SDSI) 2023-2024 – Semestre 2 Université Constantine 2

    Mars 2024

    Série de TD N°2
    Élaboration de modèles d’entrepôts de données

    Exercice 1

    Une entreprise de fabrication de vaisselle jetable souhaite mettre en place un système d’information
    décisionnel sous la forme d’un data mart (un mini entrepôt de données) pour observer son activité de
    ventes au niveau des différents lieux de distributions de ses articles et cela dans plusieurs villes. Ces
    lieux de distributions sont renseignés par leur enseigne, leur type (en fonction de leur surface), leur
    adresse (code postal et ville), leur département, leur région. Les ventes sont renseignées selon une
    période qui se décline en mois, en trimestre et année. Les ventes sont observées par le nombre
    d’articles selon le type, et le chiffre d’affaire.

    • Quel est le fait à observer ?


    • Quels sont les axes d’analyse, et les mesures ?
    • Construire le modèle en étoile de ce data mart.

    Exercice 2.

    1. Concevoir un modèle en étoile qui permet d’analyser les ventes d’une entreprise de restauration rapide.
    Le principe est de mesurer les ventes grâce aux quantités vendues et aux bénéfices, en fonction des
    ventes réalisées par jour, dans un restaurant donné, pour un aliment donné. L’objectif est de pouvoir
    analyser les ventes par jour, par semaine, par mois et par année. Les restaurants peuvent être regroupés
    en fonction de leur ville et de leur pays.

    2. Modifier ce modèle en un modèle en flocon de neige pour modéliser explicitement les hiérarchies des
    dimensions représentant le temps et la localisation géographique des magasins.

    3. On souhaite à présent mesurer le nombre de commandes qui est donné par jour et par restaurant.
    Étendre le modèle précédent afin de prendre en compte cet aspect.

    Exercice 3.

    La société Chausséria, installée dans la région Rhône-Alpes, désire construire un entrepôt de données
    pour suivre l'évolution de ses ventes de chaussures. L’entreprise Chausséria dispose de deux magasins
    « Chauss_Lyon » et « Chauss_Bron » et vend plusieurs modèles de chaussures.

    1. Proposer un modèle conceptuel et logique d’entrepôt de données DW_Chausseria pour observer


    l’évolution des ventes en termes du nombre total de paires de chaussures vendues par rapport aux
    axes MOIS, ANNÉE, MAGASIN et MODÈLE. Quel est le type du modèle obtenu ? Argumenter
    2. On peut maintenant imaginer que la société désire aussi étudier la répartition de ses ventes suivant
    d'autres critères, comme Genre (Homme/Femme/Enfant), Pointure, ou encore Couleur. Proposer un
    nouveau modèle conceptuel de l’entrepôt de données DW_Chausseria_Nouveau en prenant en
    compte toutes les dimensions anciennes et nouvelles citées ci-dessus.

    Page 1 sur 1

    Vous aimerez peut-être aussi