Datamart

Un article de Wikipédia, l'encyclopédie libre.

Cet article ou cette section doit être recyclé.

Une réorganisation et une clarification du contenu est nécessaire. Discutez des points à améliorer en page de discussion.

Un datamart est un magasin de données. Comme le datawarehouse c'est un entrepôt de données, mais spécialisé pour un métier ou un sujet donné.
En règle générale, il se situe en aval d'un datawarehouse plus global et est alimenté à partir de ce datawarehouse, dont il constitue en quelque sorte un extrait.
Le datamart est un point de vue spécifique, déterminé par des critères fonctionnels métier. Le datamart est conçu d'après un besoin d'affaire identifié et pour une portée clairement définie. Ainsi plusieurs datamarts pourront être conçus pour répondre chacun à un besoin différent.
Le datamart est une base de données décisionnelle structurée et formatée en fonction d'un métier précis ou d'un usage particulier (datamart commercial, datamart financier, ...). L'information y est préparée pour être « consommée » telle quelle : c'est une structure plus spécifique qu'un datawarehouse qui reste, lui, à vocation plus générale et plus transversale au regard des différents métiers de l'entreprise.

L'entrepôt de données de type datamart a une structure de données :

soit multidimensionnelle stockée dans un cube ou hypercube : M-OLAP, R-OLAP ... (notamment lorsqu'il s'agit de données agrégées)
soit représentée par un modèle de données en étoile ou en flocon dans un SGBD relationnel (notamment lorsqu'il s'agit de données élémentaires ou unitaires non agrégées).

Le datamart sert au reporting et à l'analyse décisionnelle, en bout de la chaîne de l'informatique décisionnelle.

[modifier] Voir également

Impasse du Data Mart indépendant, des gains à court terme, des coûts à long terme.

Dans un data warehouse correctement conçu, les data marts sont alimentés et actualisés par une base de données centralisée à l'échelle de l'entreprise, contenant des données précises et à jour. Ceci est idéal, mais très souvent les data marts sont développés à l'extérieur et indépendamment de toute architecture de data warehouse. Les gains de mise en œuvre réalisés à court terme lors de la constitution de data marts "indépendants" se traduisent rapidement par des difficultés qui perdurent dans le long terme.

Les data marts ne posent aucun problème majeur inhérent. En termes de performances, ils présentent un intérêt non négligeable pour des interrogations répétitives et bien connues. Les problèmes ne surviennent en réalité que lorsqu'ils constituent l'unique moyen d'accès aux données pour l'utilisateur final. Dans ce type d'approche, tout l'environnement de support de décision est façonné et accommodé à partir d'un ensemble de questions connues et de réponses prévisibles, sans tenir compte de l'évolution des interrogations de l'entreprise.

En termes de gestion, aspect qui constitue l'un des principaux arguments de vente des data marts, la réponse n'est pas aussi simple que l'on pourrait penser. L'argument est en effet le suivant : un data mart est un ensemble réduit et concis d'informations réunies en un seul et même endroit et donc plus facile à alimenter et à actualiser. Cet argument qui se justifie dans le cas d'un data mart unique s'émiette rapidement dès que les data marts se multiplient.

La gestion de plusieurs data marts indépendants non alimentés par un data warehouse centralisé s'assortit de coûts. Les charges de mise en œuvre de tâches de synchronisation complexes et de développement de fonctions d'interrogation non limitées à un data mart spécifique l'emportent rapidement sur les économies réalisées lors de la mise en œuvre initiale.