Datamining et OLAP

D├ęcembre 2016

OLAP


Le but de l'OLAP (On-Line Analytical Processing) est de permettre une analyse multidimensionnelle sur des bases de données volumineuses afin de mettre en évidence une analyse particulière des données (il est l'objet d'un questionnement particulier).

Grâce à l'OLAP, les utilisateurs peuvent créer des représentations multidimensionnelles (appelées hypercubes ou « cubes OLAP ») selon les critères qu'ils définissent afin de simuler des situations.

Data Mining


Le Datamining (littéralement « forage de données »), contrairement à l'analyse multidimensionnelle (OLAP), a pour but de mettre en évidence des corrélations éventuelles dans un volume important de données du système d'information afin de dégager des tendances.

Le datamining s'appuie sur des techniques d'intelligence artificielle (réseaux de neurones) afin de mettre en évidence des liens cachés entre les données.

EIS et SIAD


Un EIS (Executive Information System) est un outil permettant d'organiser, d'analyser et de mettre en forme des indicateurs afin de constituer des tableaux de bord. Ce type d'outil, facile à utiliser, ne permet de manipuler que des requêtes préalablement modélisées par le concepteur.

A l'inverse un SIAD (Système Informatisé d'Aide à la Décision) a pour but de permettre la modélisation de représentations multidimensionnelles diverses et variées mais nécessite un apprentissage plus lourd.

Pour approfondir


A voir également :


Datamining and OLAP
Datamining and OLAP
Extracción de datos y OLAP
Extracción de datos y OLAP
Datamining und OLAP
Datamining und OLAP
Datamining e OLAP
Datamining e OLAP
Datamining e OLAP
Datamining e OLAP
Ce document intitulé «  Datamining et OLAP  » issu de CommentCaMarche (www.commentcamarche.net) est mis à disposition sous les termes de la licence Creative Commons. Vous pouvez copier, modifier des copies de cette page, dans les conditions fixées par la licence, tant que cette note apparaît clairement.