É«¿Ø´«Ã½

Qu¡¯est-ce qu¡¯un data warehouse??

Un data warehouse est un syst¨¨me de stockage optimis¨¦ pour stocker les donn¨¦es structur¨¦es afin d¡¯ex¨¦cuter tr¨¨s rapidement les requ¨ºtes SQL n¨¦cessaires et fournir la Business Intelligence (BI) en temps voulu. Du traitement des transactions ¨¤ haute vitesse ¨¤ l¡¯analytique pr¨¦dictive, les data warehouses sont depuis des d¨¦cennies la norme de stockage de facto utilis¨¦e par les entreprises afin d¡¯alimenter leur Business?Intelligence.

Les avantages des data warehouses

Voici quelques avantages des data warehouses?:

• Consolidation de donn¨¦es structur¨¦es provenant de diverses sources disparates?
• Requ¨ºtes d¡¯analytique rapides gr?ce aux bases de donn¨¦es relationnelles
• Solution de stockage d¨¦di¨¦e pour des requ¨ºtes moins on¨¦reuses et des rapports plus rapides

Comment fonctionne les data warehouses??

La logistique li¨¦e ¨¤ la collecte de donn¨¦es de diff¨¦rentes parties de votre entreprise afin d¡¯en extraire des informations utiles peut devenir plus complexe au fur et ¨¤ mesure que votre entreprise ¨¦volue. Les data warehouses peuvent aider votre entreprise ¨¤ consolider ces informations dans une base de donn¨¦es et un mod¨¨le de donn¨¦es uniques afin de permettre aux analystes d¡¯ex¨¦cuter leurs recherches.?

Voici comment tout cela fonctionne?:

1. Extraire?: Collectez les donn¨¦es brutes de sources disparates au sein de votre entreprise (p.?ex. ERP, CRM, vente, marketing) dans une base de donn¨¦es interm¨¦diaire.
   
2. Transformer?: Les donn¨¦es contenues dans la couche interm¨¦diaire sont transf¨¦r¨¦es dans une couche d¡¯int¨¦gration, o¨´ les donn¨¦es sont combin¨¦es et transform¨¦es dans un Operational?Data?Store (ODS).
   
3. Charger?: Les donn¨¦es sont transf¨¦r¨¦es de la couche d¡¯int¨¦gration au data warehouse en d¨¦finissant le sch¨¦ma que vos analystes souhaitent utiliser pour leurs requ¨ºtes SQL avant de les ¨¦crire dans une base de donn¨¦es relationnelle (sch¨¦ma en ¨¦criture).?

La base de donn¨¦es int¨¦gr¨¦e ¨¤ un data warehouse est relationnelle. Les donn¨¦es y sont structur¨¦es et stock¨¦es dans des tableaux en lignes et en colonnes. Ces tableaux sont organis¨¦s selon le sch¨¦ma d¨¦fini? lors de l¡¯¨¦criture.?

Lorsque la phase de transformation est g¨¦r¨¦e par un ODS externe au data warehouse, on parle d¡¯ETL (Extract, Transform, Load). Lorsque le data warehouse g¨¨re cette phase en interne, on parle d¡¯ELT (Extract, Load, Transform). Que vous ayez recours ¨¤ un processus ETL ou ELT, les data warehouses n¨¦cessitent des donn¨¦es structur¨¦es et un sch¨¦ma en ¨¦criture afin de pouvoir fonctionner avec des bases de donn¨¦es relationnelles.

Pourquoi les data warehouses sont-ils utilis¨¦s??

Voici quelques-unes des applications courantes des data warehouses?:

• Traitement transactionnel en ligne (OLTP)?: un data warehouse peut ¨ºtre optimis¨¦ pour l¡¯int¨¦grit¨¦ des donn¨¦es et des requ¨ºtes rapides afin de prendre en charge un grand volume de petites transactions de donn¨¦es. Un exemple serait les transactions effectu¨¦es sur une plateforme de Trading Haute Fr¨¦quence (THF).?
• Traitement analytique en ligne (OLAP)?: vous pouvez optimiser un data warehouse afin d¡¯ex¨¦cuter des requ¨ºtes complexes plus vite pour un volume de transactions relativement moins ¨¦lev¨¦. C¡¯est essentiellement ce qu¡¯un analyste utilise pour g¨¦n¨¦rer des rapports BI.
• L¡¯analytique pr¨¦dictive?: un syst¨¨me OLAP peut ¨ºtre optimis¨¦ afin de pr¨¦dire de futurs ¨¦v¨¦nements et de g¨¦n¨¦rer des sc¨¦narios conditionnels, souvent ¨¤ l¡¯aide d¡¯algorithme d¡¯apprentissage machine.

Les data warehouses ¨¦tant des sch¨¦mas en ¨¦criture, il est important de d¨¦terminer le type de requ¨ºtes que vous souhaitez effectuer avant d¡¯ajouter un sch¨¦ma ¨¤ un data warehouse. Pour g¨¦rer la complexit¨¦ li¨¦e ¨¤ l¡¯extraction ¨¤ partir de sources de donn¨¦es disparates, un data warehouse peut ¨ºtre segment¨¦ en data marts afin de d¨¦dier des ressources mat¨¦rielles ou logicielles ¨¤ certaines fonctions de l¡¯entreprise telles que le CRM.

Data warehouse, data lake ou data hub

Bien que ces trois concepts puissent para?tre interchangeables, il est important de comprendre leurs diff¨¦rences?:

• Data warehouse?: un entrep?t unique pour l¡¯int¨¦gration et le stockage de donn¨¦es structur¨¦es extraites de diverses sources de donn¨¦es non structur¨¦es au sein de l¡¯entreprise.
• Lac de donn¨¦es?: un entrep?t unique brut contenant toutes les sources de donn¨¦es brutes structur¨¦es et non structur¨¦es d¡¯une entreprise (y compris les data warehouses). Les donn¨¦es doivent toutefois ¨ºtre trait¨¦es afin d¡¯extraire des informations strat¨¦giques de BI.?
• Data hub?: une interface unique qui consolide toutes les donn¨¦es, structur¨¦es comme non structur¨¦es, dans une couche de donn¨¦es centrale et accessible. La diff¨¦rence avec un data warehouse, c¡¯est qu¡¯un data hub peut aussi prendre en charge les donn¨¦es op¨¦rationnelles et contrairement ¨¤ un data lake, il est capable de fournir des donn¨¦es dans plusieurs formats.?

Les data hubs offre la gouvernance de donn¨¦es n¨¦cessaire pour rationaliser le partage de donn¨¦es sur un ensemble h¨¦t¨¦rog¨¨ne de terminaux. De cette fa?on, les data hubs consolident les data lakes et les data warehouses en une seule couche d¡¯acc¨¨s. Le data hub fait abstraction du traitement de donn¨¦es pour que votre entreprise puisse b¨¦n¨¦ficier d¡¯un emplacement centralis¨¦ afin d¡¯extraire les informations strat¨¦giques de BI.

Pourquoi choisir É«¿Ø´«Ã½ pour votre data warehouse??

Si vous avez besoin d¡¯ajouter un nouveau pipeline OLAP ou OLTP ¨¤ votre infrastructure de data warehouse existante, il est peut-¨ºtre temps de r¨¦fl¨¦chir ¨¤ investir dans une exp¨¦rience des donn¨¦es plus moderne (Modern?Data?Experience?) avec les solutions de stockage 100?% flash de Pure?Storage.

Le premier data hub du march¨¦, ?FlashBlade?? de Pure?Storage? peut non seulement prendre en charge les charges de travail d¡¯analytique et les rapports d¡¯un data warehouse mais poss¨¨dent ¨¦galement les principaux atouts d¡¯un data hub?:

• Partage de donn¨¦es fluide sur tous vos terminaux de donn¨¦es
• Stockage de fichiers et d¡¯objets unifi¨¦
• Prise en charge des donn¨¦es op¨¦rationnelles en temps r¨¦el
• Architecture native extensible
• Performances multidimensionnelles pour chaque type de donn¨¦es
• Hautement parall¨¨le sur les plans logiciel et mat¨¦riel