Les entrepôts de données soutiennent l'analyse organisationnelle

Concepts liés à l'entreposage de données

Aaren Stubberfield

Data Scientist

Cycle de vie global

Planification – exigences d'affaires

1. Exigences d'affaires :
   • Comprendre les besoins de l'organisation
   • Personas :
     • Analyste et data scientist : recueillir les exigences

Planification – modélisation des données

1. Modélisation des données :
   • Planifier et organiser l'intégration des données
   • Personas :
     • Ingénieur·e de données et administrateurs de bases : concevoir le pipeline
     • Analyste et data scientist : connaissance d'affaires des données

Implantation – conception et développement ETL

1. Conception ETL :
   • Mettre en œuvre les pipelines et le processus ETL
   • Personas :
     • Ingénieur·e de données et administrateurs de bases : implanter le pipeline

Implantation – développement d'applications BI

1. Développement d'applications BI :
   • Mettre en place les outils d'intelligence d'affaires (BI)
   • Personas :
     • Analyste et data scientist : conseiller sur la mise en place BI

Soutien / maintenance – maintenance

1. Maintenance :
   • Apporter les ajustements requis
   • Personas :
     • Ingénieur·e de données : modifier au besoin

Soutien / maintenance – tests et déploiement

1. Tests et déploiement :
   • Tests
   • Personas :
     • Analyste et data scientist : conseiller sur la mise en place BI
     • Ingénieur·es de données : déployer l'entrepôt de données

Matrice des personas

Étape du cycle de vie	Analystes	Data scientists	Ingénieur·es de données	Administrateurs de bases de données
Exigences d'affaires	X	X
Modélisation des données	X	X	X	X
Conception et développement ETL			X	X
Développement d'applications BI	X	X
Maintenance			X
Tests et déploiement	X	X	X

Passons à la pratique !

Concepts liés à l'entreposage de données