6. Les systèmes de bases de données post-relationnelles
203
au niveau conceptuel, il est possible de définir des tables
dimensionnelles avec un nombre quelconque de niveaux
d'agrégation ;
le langage de requête et d'analyse dispose des fonctions de forage
vers le bas (drill-down, en anglais) et vers le haut (roll-up, en
anglais) ;
il est facile de sélectionner une tranche dans un cube
multidimensionnel (slicing, en anglais) et de spécifier les valeurs
d’une ou de plusieurs dimensions pour extraire un sous-cube
(dicing, rotation, en anglais) ;
les tables d'indicateurs sont implémentées sans désigner de
dimension ; en d'autres termes, les données sont stockées dans
des structures de données multidimensionnelles.
De l’entrepôt de
données à
l’extraction de la
connaissance
L'intégration de multiples sources de données internes et
externes dans un entrepôt de données permet à l’entreprise d’obtenir
un ensemble de données cohérentes qu’elle pourra analyser sous
différents angles. En général, à l'exception des mises à jour
périodiques, on accède à une base de données multidimensionnelle en
mode lecture seule à des fins d’analyse. La dimension temps est un
composant inhérent à un entrepôt de données, elle offre une
perspective importante dans les analyses statistiques. Lorsque nous
utilisons des outils d'exploration de gisements de données (data
mining, en anglais), destinés par exemple à la classification, la
prévision et l'acquisition de connaissances, nous passons du domaine
des bases de données multidimensionnelles à celui des bases de
connaissances.
6.6 Les bases de données floues
Les valeurs dans
une base de
données
relationnelle sont
précises
Dans le domaine des bases de données, relationnelles en
particulier, les valeurs d’attributs sont dépourvues d'ambiguïté et les
requêtes d'interrogation produisent des résultats précis. Les bases de
données relationnelles se caractérisent en effet par les propriétés
suivantes :
203
au niveau conceptuel, il est possible de définir des tables
dimensionnelles avec un nombre quelconque de niveaux
d'agrégation ;
le langage de requête et d'analyse dispose des fonctions de forage
vers le bas (drill-down, en anglais) et vers le haut (roll-up, en
anglais) ;
il est facile de sélectionner une tranche dans un cube
multidimensionnel (slicing, en anglais) et de spécifier les valeurs
d’une ou de plusieurs dimensions pour extraire un sous-cube
(dicing, rotation, en anglais) ;
les tables d'indicateurs sont implémentées sans désigner de
dimension ; en d'autres termes, les données sont stockées dans
des structures de données multidimensionnelles.
De l’entrepôt de
données à
l’extraction de la
connaissance
L'intégration de multiples sources de données internes et
externes dans un entrepôt de données permet à l’entreprise d’obtenir
un ensemble de données cohérentes qu’elle pourra analyser sous
différents angles. En général, à l'exception des mises à jour
périodiques, on accède à une base de données multidimensionnelle en
mode lecture seule à des fins d’analyse. La dimension temps est un
composant inhérent à un entrepôt de données, elle offre une
perspective importante dans les analyses statistiques. Lorsque nous
utilisons des outils d'exploration de gisements de données (data
mining, en anglais), destinés par exemple à la classification, la
prévision et l'acquisition de connaissances, nous passons du domaine
des bases de données multidimensionnelles à celui des bases de
connaissances.
6.6 Les bases de données floues
Les valeurs dans
une base de
données
relationnelle sont
précises
Dans le domaine des bases de données, relationnelles en
particulier, les valeurs d’attributs sont dépourvues d'ambiguïté et les
requêtes d'interrogation produisent des résultats précis. Les bases de
données relationnelles se caractérisent en effet par les propriétés
suivantes :