Introduction aux schémas en étoile

Transformer et analyser des données avec Microsoft Fabric

Luis Silva

Solution Architect - Data & AI

Notions de base du modélisation dimensionnelle

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

Notions de base du modélisation dimensionnelle

Événement : vente d'un produit dans un commerce de détail.

Image d'un reçu de vente provenant d'un commerce de détail

Transformer et analyser des données avec Microsoft Fabric

Notions de base du modélisation dimensionnelle

Événement : vente d'un produit dans un commerce de détail.

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

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

Transformer et analyser des données avec Microsoft Fabric

Notions de base du modélisation dimensionnelle

Événement : vente d'un produit dans un commerce de détail.

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

Image d'un reçu de vente mettant en évidence les données numériques : unités vendues et prix de vente. Met aussi en évidence les données contextuelles : lieu de la vente, date de la 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 reçu peuvent être mappées aux 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 montrant toutes les entrées du reçu 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 avec surbrillance des 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 avec surbrillance des 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 avec surbrillance de la colonne pour l'attribut additionnel : numéro de commande

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

Normalisation

Table de faits, surbrillance de la colonne Magasin contenant le nom du magasin pour chaque enregistrement

Table de faits avec une table de dimension, montrant que la colonne Magasin de la table de faits ne contient plus que des codes, et que les noms réels des magasins sont 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
Performance des requêtes Moins de JOIN, donc requêtes plus rapides Plus de JOIN, donc requêtes plus lentes

 

Choisissez le modèle adapté à vos besoins. En général, le schéma en étoile est préféré pour sa simplicité et sa rapidité.

Transformer et analyser des données avec Microsoft Fabric

Passons à la pratique !

Transformer et analyser des données avec Microsoft Fabric

Preparing Video For Download...