Entrepôts de données - Activité 2.1: Exercices et questions pour étudiants en informatique, Exams of Database Programming

Activité de révision ETL data ware house

Typology: Exams

2020/2021

Uploaded on 03/23/2021

mariem-2
mariem-2 🇹🇳

5 documents

1 / 4

Toggle sidebar

This page cannot be seen from the preview

Don't miss anything!

bg1
Entrepôts de données Activité 2.1
1
Année Universitaire 2020-2021
2ème année CS -GLSI
Entrepôts de données Activité 2.1
R. ZAAFRANI, 09/02/2021
*) Étude des besoins :
1)
Requêtes brutes :
Quantite
  / rayonnage
  / rayon_bs
  / rayon_recent
Quantite
  / semaine
  / mois, trimestre
  / jds
  / rayonnage
  / rayon_bs
Quantite
  / magasin, dpt
Requêtes organisées par dimension :
Quantite
  / date (semaine)
  / date (mois, trimestre)
  / date (jds)
  / magasin (rayonnage)
  / magasin (rayon_bs)
  / magasin (recent)
Quantite
  / magasin (dpt)
2)
Requêtes brutes :
Quantite
  / produit
  / magasin, departement
  / date, semaine
  / date, mois, trimestre
Quantite
  / auteur
  / editeur
Quantite
  / jds
  / jds, semaine
  / parution
Requêtes organisées par dimension :
Quantite
  / produit
  / magasin (departement)
  / date (semaine)
  / date (mois, trimestre)
Quantite
  / produit (auteur)
  / produit (editeur)
Quantite
  / date (jds)
  / date (semaine)
  / produit (parution)
*) Étude des données :
1) Le modèle relationnel sous-jacent aux données présentes :
- catalogue(isbn, titre, auteur, langue, parution, editeur, genre)
- data(num, magasin, date, isbn)
- marketing(dpt, rayonnage, ray_nom, magasin, rayon_bs, rayon_recent)
- dpt(dpt, nom, pop)
2) Synthèse des données disponibles pour chaque source :
3) Modèle relationnel normalisé en troisième forme normale :
- auteur(#num, nom, prenom)
- langue(#langue)
- editeur(#editeur)
Correction de l'activité 2.1
ISI
pf3
pf4

Partial preview of the text

Download Entrepôts de données - Activité 2.1: Exercices et questions pour étudiants en informatique and more Exams Database Programming in PDF only on Docsity!

Année Universitaire 2020 - 2021

2ème année CS - GLSI

Entrepôts de données – Activité 2. 1

R. ZAAFRANI, 09 / 02 / 2021

*) Étude des besoins :

Requêtes brutes :

Quantite

/ rayonnage

/ rayon_bs

/ rayon_recent

Quantite

/ semaine

/ mois, trimestre

/ jds

/ rayonnage

/ rayon_bs

Quantite

/ magasin, dpt

Requêtes organisées par dimension :

Quantite

/ date (semaine)

/ date (mois, trimestre)

/ date (jds)

/ magasin (rayonnage)

/ magasin (rayon_bs)

/ magasin (recent)

Quantite

/ magasin (dpt)

Requêtes brutes :

Quantite

/ produit

/ magasin, departement

/ date, semaine

/ date, mois, trimestre

Quantite

/ auteur

/ editeur

Quantite

/ jds

/ jds, semaine

/ parution

Requêtes organisées par dimension :

Quantite

/ produit

/ magasin (departement)

/ date (semaine)

/ date (mois, trimestre)

Quantite

/ produit (auteur)

/ produit (editeur)

Quantite

/ date (jds)

/ date (semaine)

/ produit (parution)

*) Étude des données :

  1. Le modèle relationnel sous-jacent aux données présentes :

- catalogue(isbn, titre, auteur, langue, parution, editeur, genre) - data(num, magasin, date, isbn) - marketing(dpt, rayonnage, ray_nom, magasin, rayon_bs, rayon_recent) - dpt(dpt, nom, pop)

  1. Synthèse des données disponibles pour chaque source :

  2. Modèle relationnel normalisé en troisième forme normale :

- auteur(#num, nom, prenom) - langue(#langue) - editeur(#editeur)

Correction de l'activité 2. 1

I N S T I T U T

S U P E R I E U R

INFORMATIQUE

ISI

- catalogue(#isbn, titre, fkauteur=>auteur, langue=>langue, parution, editeur=>editeur,genre) - data(num, magasin=>magasin, date, isbn=>catalogue) - magasin(#magasin, dpt=>dpt, rayonnage, ray_nom, rayon_bs, ray_recent) - dpt(#dpt, nom, pop)

  1. Modèle conceptuel en UML correspondant au modèle relationnel normalisé :

*) Modélisation du datawarehouse :

  1. Modélisation dimensionnelle en étoile pour chaque contexte d'usage (directions marketing et éditoriale) :

*) Vue direction marketing :

AUTEUR

  • num
  • Nom
  • Prénom
    • isbn
    • titre
    • parution
    • genre

CATALOGUE

LANGUE

  • langue

EDITEUR

  • editeur
  • num
  • date

DATA

  • magasin
  • rayonnage
  • ray_nom
  • ray_bs
  • ray_recent

MAGASIN

  • dpt
  • nom
  • pop

DPT

#NumMag Char(4) Mxxx

Rayon_bs 0..1 0 : pas de rayon BS / 1 : un rayon BS

Recent 0..1 0 : pas de rayon recent / 1 : un rayon recent

Dpt Char(2) Numéro du département

Population 1..20 Nombre d’habitants du département en centaine de milliers

Rayonnage {A, Y, E} Type de rayonnage dans le département

*) Description de la dimension Date :

#Date Date(yyyy-mm-dd) Date d’achat (clé primaire)

Mois 1 ..1 2 Mois d’achat

Trimestre 1 .. 4 Trimestre d’achat

Semaine 1..52 Semaine d’achat

JDS Lundi..Dimanche Jour de la semaine d’achat

  1. Représentation logique finale de votre modèle dimensionnel :

Modèle dimensionnel du data warehouse Fantastic