Ravat, Franck, Song, Jiefu and Teste, Olivier (2017) Vers un Modèle Unifié de Données Entreposées et de Données Ouvertes Liées : Concepts et Expérimentations. Ingénierie des Systèmes d'Information, 22 (2). pp. 35-67.

[thumbnail of assistant_11656878_2144435091_0.pdf]
Preview
Text
Download (1MB) | Preview

Abstract

De nos jours, la plupart des systèmes d’aide à la décision (SAD) reposent sur un entrepôt de données (ED) construit à partir de données de production internes à l’organisation. Cependant, les analyses décisionnelles peuvent être sensiblement améliorées par l’ajout d’informations supplémentaires provenant de l’extérieur d’une organisation, notamment des données ouvertes liées (DOL). L’intégration de ces données dans un SAD peut offrir de nouveaux points de vue aux décideurs. Dans cet article, nous décrivons un nouveau modèle multidimensionnel, appelé Cube Unifié, qui offre une représentation conceptuelle générique des données entreposées et des DOL. Un processus en deux étapes est proposé pour construire un Cube Unifié. Dans un premier temps, les schémas publiés avec des langages de modélisation spécifiques sont transformés en une représentation conceptuelle reposant sur un même langage. La seconde étape consiste à associer les schémas précédemment définis pour former un schéma unifié. Un langage algébrique est proposé afin de permettre aux concepteurs de construire un Cube Unifié selon leurs besoins. Pour valider nos propositions, nous montrons comment un Cube Unifié 1) est construit sur des jeux de données réelles et 2) permet aux décideurs d’effectuer des analyses décisionnelles avec de multiples sources.

Item Type: Article
Language: French
Date: 2017
Refereed: Yes
Uncontrolled Keywords: Données ouvertes liées - Entrepôt de données - Analyse multidimensionnelle
Subjects: H- INFORMATIQUE
Divisions: Institut de Recherche en Informatique de Toulouse
Site: UT1
Date Deposited: 26 Mar 2019 11:18
Last Modified: 02 Apr 2021 15:58
URI: https://publications.ut-capitole.fr/id/eprint/28723
View Item

Downloads

Downloads per month over past year