Introduction aux schémas en étoile

Transformer et analyser des données avec Microsoft Fabric

Luis Silva

Solution Architect - Data & AI

Bases du modélisation dimensionnelle

  • Un modèle dimensionnel est une structure de données optimisée pour l'entreposage et l'analyse
  • C'est un modèle d'événements métiers
  • Les événements ont des données et un contexte
Transformer et analyser des données avec Microsoft Fabric

Bases du modélisation dimensionnelle

Événement : vente d'un produit en magasin.

Image d'un ticket de caisse d'un magasin de détail

Transformer et analyser des données avec Microsoft Fabric

Bases du modélisation dimensionnelle

Événement : vente d'un produit en magasin.

  • Données numériques :
    • Nombre d'unités vendues
    • Prix de vente

Image d'un ticket de caisse, mettant en évidence les données numériques : unités vendues et prix de vente

Transformer et analyser des données avec Microsoft Fabric

Bases du modélisation dimensionnelle

Événement : vente d'un produit en magasin.

  • Données numériques quantifiables :
    • Nombre d'unités vendues
    • Prix de vente
  • Contexte lié aux données :
    • Produit vendu

Image d'un ticket de caisse mettant en évidence les données numériques : unités vendues et prix de vente. Sont aussi mis en évidence les données contextuelles : lieu de vente, date de vente et produit vendu

Transformer et analyser des données avec Microsoft Fabric

Stocker les données d'événements dans des tables

Schéma montrant comment les données du ticket de caisse se cartographient vers des lignes d'une table de commandes

Transformer et analyser des données avec Microsoft Fabric

Stocker les données d'événements dans des tables

Table de faits affichant toutes les lignes du ticket d'exemple

  • Table de faits : contient toutes les transactions.
Transformer et analyser des données avec Microsoft Fabric

Stocker les données d'événements dans des tables

Table de faits mettant en évidence les colonnes liées aux dimensions : magasin, date de commande, heure de commande, vendeur, client, produit

  • Table de faits : contient toutes les transactions.
  • Dimensions : contexte de la transaction (quand, où, quoi, qui).
Transformer et analyser des données avec Microsoft Fabric

Stocker les données d'événements dans des tables

Table de faits mettant en évidence les colonnes liées aux mesures : unités vendues, prix de vente

  • Table de faits : contient toutes les transactions.
  • Dimensions : contexte de la transaction (quand, où, quoi, qui).
  • Mesures : données numériques (combien).
Transformer et analyser des données avec Microsoft Fabric

Stocker les données d'événements dans des tables

Table de faits mettant en évidence la colonne pour l'attribut supplémentaire : numéro de commande

  • Table de faits : contient toutes les transactions.
  • Dimensions : contexte de la transaction (quand, où, quoi, qui).
  • Mesures : données numériques (combien).
  • Attributs : informations supplémentaires sur l'enregistrement de transaction.
Transformer et analyser des données avec Microsoft Fabric

Normalisation

Table de faits, mettant en évidence la colonne Magasin contenant le nom du magasin pour chaque enregistrement

Table de faits avec une table de dimension, mettant en évidence que la colonne Magasin de la table de faits ne contient plus que des codes de magasins, et que les noms réels se trouvent dans une table de dimension séparée

Transformer et analyser des données avec Microsoft Fabric

Tables de faits + tables de dimensions

Table de faits avec dimensions

Transformer et analyser des données avec Microsoft Fabric

Schéma en étoile

Exemple de schéma en étoile

Transformer et analyser des données avec Microsoft Fabric

Schéma en flocon

Exemple de schéma en flocon

Transformer et analyser des données avec Microsoft Fabric

Schéma en flocon

Exemple de schéma en flocon

Transformer et analyser des données avec Microsoft Fabric

Schéma en flocon

Exemple de schéma en flocon

Transformer et analyser des données avec Microsoft Fabric

Schéma en étoile vs schéma en flocon

Principales différences

Domaine Schéma en étoile Schéma en flocon
Stockage Plus d'espace requis Moins d'espace requis
Normalisation Dénormalisé (une table par dimension) Normalisé (plusieurs tables par dimension)
Complexité du modèle Plus faible Plus élevée
Performances des requêtes Moins de JOIN, requêtes plus rapides Plus de JOIN, requêtes plus lentes

 

Choisissez le modèle le plus adapté à vos besoins. En général, le schéma en étoile est privilégié pour sa simplicité et ses performances.

Transformer et analyser des données avec Microsoft Fabric

Passons à la pratique !

Transformer et analyser des données avec Microsoft Fabric

Preparing Video For Download...