X

Retrouvez toute l'actualité autour des technologies émergentes et leur impact sur le marché et la société.

Qu’est-ce qu’un Data Mart ?

Au sein d’un marché dominé par le Big Data et l’Analytics, les Data Marts représentent la solution idéale pour accéder à une information spécifique rapidement.

Data mart

Data Mart : définition

Un Data Mart est une base de données thématique qui contient des données spécifiques à son domaine, souvent une unité commerciale telle que les ventes, la finance ou encore le marketing.

Il s’agit souvent d’un segment cloisonné d’un Data Warehouse d’entreprise. Un Data Mart est essentiellement une version condensée et plus ciblée d'un entrepôt de données qui reflète les réglementations et les spécifications de processus de chaque unité commerciale au sein d'une organisation. Ce sous-ensemble de données peut couvrir plusieurs ou tous les domaines fonctionnels d'une entreprise.

Les Data Marts accélèrent les processus commerciaux grâce à un accès particulièrement rapide aux informations, soit quelques jours, au lieu de plusieurs mois ou plus. Ils constituent ainsi un moyen rentable d'obtenir rapidement des informations exploitables.

Les organisations construisent des entrepôts de données et des Data Marts parce que les informations contenues dans la base de données ne sont pas organisées de manière à les rendre facilement accessibles, ce qui nécessite des requêtes trop compliquées et très difficiles d'accès ou consommatrices de ressources.

Data Mart vs Data Warehouse

Les Data Warehouses traitent généralement de grands ensembles de données, mais pour les analyser, celles-ci doivent être faciles d’accès, ce que permet un Data Mart. Ces structures se différencient principalement par :

  • L’étendue et la spécificité des données stockées : Si les Data Marts et les Data Warehouses sont tous deux des dépôts très structurés où les données sont stockées et gérées jusqu'à ce qu'elles soient nécessaires, le Data Warehouse stocke pour l'ensemble de l'entreprise, tandis qu'un Data Mart répond à la demande d'une division ou d'une fonction commerciale spécifique.
  • Le contrôle d’accès des données : Comme un entrepôt de données contient des données pour l'ensemble de l'entreprise, il est préférable d'exercer un contrôle strict sur les personnes qui peuvent y accéder. En outre, l'interrogation des données dont vous avez besoin dans un Data Warehouse est une tâche incroyablement difficile pour l'entreprise. Ainsi, l'objectif premier d'un Data Mart est d'isoler - ou de partitionner - un ensemble de données plus petit d'un ensemble, afin de faciliter l'accès aux données pour les consommateurs.

3 Types de Data Marts

Un Data Mart peut être créé à partir d'un Data Warehouse existant - l'approche descendante - ou à partir d'autres sources, telles que des systèmes opérationnels internes ou des données externes. Semblable à un entrepôt de données, il s'agit d'une base de données relationnelle qui stocke des données transactionnelles (valeur temporelle, ordre numérique, référence à un ou plusieurs objets) en colonnes et en lignes, ce qui en facilite l'organisation et l'accès.

Il existe trois types de Data Marts, classés en fonction de leur relation avec l'entrepôt de données et les sources de données utilisées pour créer le système :

  • Les Data Marts dépendants : Créés à partir d’un Data Warehouse, c’est à partir de ce dernier que les données sont extraites à l’occasion d’une analyse.
  • Les Data Marts indépendants : Ces systèmes autonomes stockent des données provenant de sources internes, externes, ou les deux. Simples à concevoir et développer, et utiles pour des objectifs à court terme, ils peuvent cependant devenir lourds à gérer à mesure que les besoins des entreprises s'étendent et se complexifient.
  • Les Data Marts hybrides : Ils combinent les données d'un Data Warehouse existant et d'autres systèmes sources opérationnels. Il allie la rapidité et l'attention portée à l'utilisateur liées à l’approche descendante aux avantages de l'intégration au niveau de l'entreprise, de la méthode ascendante.

Be the first to comment

Comments ( 0 )
Please enter your name.Please provide a valid email address.Please enter a comment.CAPTCHA challenge response provided was incorrect. Please try again.