Prérequis de la formation conception et modélisation d’un datawarhouse  :

Pour entamer la formation conception et modélisation d’un datawarhouse ,il faut d’avoir une expérience préalable des entrepôts de données est utile sans toutefois être obligatoire.

Objectifs

À l’issue de cette formation Conception et modélisation d’un Datawarhouse, vous serez capable de valider les objectifs d’apprentissages suivants :

• Déployer et gérer un projet de création complète d’un DataWarehouse afin d’améliorer la prise de décisions.
• Appliquer la modélisation dimensionnelle à vos processus métier afin de mieux évaluer les données.
• Analyser les données pour garantir la qualité des données source .
• Extraire, transformer et charger des données opérationnelles.

Programmes :

1. Les grands principes :

➤Concepts de bases : data warehouse, infocentre, datamart, datamining.
➤Fonctions des différentes composantes du SID (Système d’informations décisionnel).
➤Architectures classiques.
➤Architecture technique et architecture fonctionnelle.

2. Composantes de l’architecture d’un data warehouse :

➤Stratification du data warehouse.
➤Les solutions ETL en amont du data warehouse et les processus de gestion des flux.
➤L’Operational Data Store (ODS).
➤La Data Staging Area et son apport durant le processus d’ETL.
➤OLAP : moteurs d’analyse relationnel (ROLAP) et multidimensionnel (MOLAP).
➤L’analyse OLAP : outils coté serveur et coté client.
➤La nécessité d’un référentiel de données.
➤Le rôle du Master Data Management (MDM).

3. La conception du data warehouse :

➤Les modèles dénormalisés : modèles relationnels et modèles opérationnels.
➤Les modèles normalisés : modèle en flocon et modèle en étoile.
➤ L’apport de la normalisation.
➤Gérer les agrégats.
➤Conserver la stabilité du périmètre fonctionnel défini en amont .
➤Bonnes pratiques de modélisation.
➤Garder une vision transversale du projet : l’interview des métiers.

4. Les prérequis au projet décisionnel :

➤Définir le périmètre fonctionnel et la volumétrie du projet.
➤Identification des besoins utilisateurs.
➤Planifier un projet Data Warehouse.
➤Les critères de réussite de la démarche .
➤Les justifications métiers et financières.
➤Les acteurs et leur rôle : promoteur, comité de pilotage, équipe fonctionnelle, équipe technique.
➤Planification du projet, identification des KPI et tableaux de suivi.

5. Les méthodes de conduites de projet :

➤Techniques de base .
➤Les principales étapes.
➤Méthodologie Kimball : l’approche bottom-up
➤Méthodologie Inmonn : l’approche top-down .
➤Méthodologie Agile et data warehouse.
➤Approche itérative du projet.
➤Rôle de la maîtrise d’ouvrage (MOA) et de la maîtrise d’œuvre (MOE).
➤Administrer et maîtriser la solution opérationnelle.

6. L’implémentation :

➤Implémentation de la base de données.
➤Outils de restitution (reporting) et leur mise en oeuvre.
➤Les méthodes de datamining : méthodes prédictives et méthodes descriptives.
➤Les enjeux de la croissance du volume des données : les solutions Big Data.
➤Les impacts sur la méthodologie d’implémentation.

7. Maintenir et faire évoluer son SID :

➤Méthode d’évolution : évolution fonctionnelle ou réglementaire, nouveau développement.
➤Maintenance du SID : le cycle de maintenance corrective.