Programme :

1. ENJEUX DE LA MODÉLISATION
Rappel des objectifs et de l'impact de la modélisation sur le projet Data Warehouse.
Comment se traduisent les processus métier dans un
Data Warehouse ? Pourquoi ne faut-il pas faire l'impasse sur les aspects sémantiques ?
Modélisation en étoile et architecture Data Warehouse.
Cas pratique n° 1 : les aspects académiques de la modélisation en étoile des données de processus.

2. LES BASES DE LA MODÉLISATION EN ÉTOILE
Les concepts pratiques : qu'est-ce qu'une étoile ?
Qu'est-ce qu'un fait ? Un axe d'analyse ?
Comment distinguer les informations événementielles et référentielles ?
Comment faire la différence entre un modèle dit « en étoile » et un vrai modèle « vectoriel » ?
Les différences entre le modèle en étoile et les modèles traditionnels et leurs impacts. Pourquoi la compréhension des processus métier est incontournable pour pratiquer la modélisation en étoile ?
Les règles et principes de construction d'un modèle en étoile.
Pourquoi le modèle en flocon est-il une dérogation techniquement inutile et fonctionnellement dangereuse ?
Comment, à partir du modèle de données, acquérir une vision critique et la maîtrise du projet décisionnel ? Quand et comment estimer la volumétrie de l'entrepôt de données ?
Cas pratique n° 2 : les aspects fonctionnels et référentiels de la modélisation en étoile.

3. LA GESTION DES AGRÉGATS
L'évolution des besoins vers le suivi opérationnel, l'analyse fonctionnelle et le pilotage de la performance des processus métier : comment éviter un reporting « photographique » agrégé et figé ?
La définition d'un agrégat. Comment bien gérer les agrégats à partir de la modélisation vectorielle ?
Comment distinguer un besoin de reporting d'un besoin d'analyse ?
Pourquoi le principe d'agrégation sous forme de « photos " est inadapté sur le plan fonctionnel ? Comment éviter le foisonnement des agrégats dans le Data Warehouse ?
Cas pratique n° 3 : comment dépasser les limites de l’approche infocentre et de la modélisation câblée.

4. LA MODÉLISATION DES INDICATEURS
L’implémentation des indicateurs dans le modèle : pourquoi, comment et dans quels cas ? Comment réconcilier reporting et pilotage ? Quels sont les différents types d’indicateur ?
Comment éviter le foisonnement des indicateurs dans les tableaux de bord ? Comment gérer l'accès aux indicateurs agrégés et détaillés à partir des outils clients ?
Cas pratique n° 4 : la modélisation des informations de suivi, d'analyse et de pilotage des processus.

5. LES PROBLÉMATIQUES PARTICULIÈRES
Comment fiabiliser les informations contenues dans le Data Warehouse ?
Quelles « astuces » de modélisation pour quels besoins utilisateurs ?
Comment assurer un périmètre fonctionnel stable (gestion des nomenclatures
et des référentiels…) ?
Quel est l'impact de l’historisation des changements d’un périmètre fonctionnel sur les indicateurs ?
Comment anticiper les évolutions du modèle de données, en terme de richesse, volume, utilisateurs ?
Cas pratique n° 5 : comment éviter la modélisation « photographique » des informations décisionnelles.

6. SYNTHÈSE ET CONCLUSION
Rappel des points clés de la démarche de modélisation d'un Data Warehouse.
Bibliographie et Webliographie.
Glossaire.