Entrepôt de données vs Data Mart - 8 principales différences avec l'infographie.

Différence entre Data Warehouse et Data Mart

Data Warehouse est le référentiel central géré par les organisations où les données provenant de diverses sources sont intégrées pour fournir des informations précieuses sur l'entreprise. Il est géré séparément de la base de données opérationnelle de l'organisation qui est conçue pour les requêtes et l'analyse au lieu du traitement des transactions. Il est orienté sujet, intégré, non volatile et variant dans le temps. Il s'agit d'une source d'informations intégrée et stable fournissant des informations sur divers sujets où les données sont cohérentes, quel que soit le moment auquel l'accès à l'entrepôt est possible. Un entrepôt de données évolue constamment car il ne s'agit pas d'une structure statique. Data Mart est un sous-ensemble de Data Warehouse géré par les organisations pour un groupe spécifique d'utilisateurs et optimisé pour l'accès. Il est plus flexible car il prend des données provenant de moins de sources par rapport à un entrepôt de données. Un Data Mart est plus petit par rapport à la grande taille d'un entrepôt de données et il est conçu pour faciliter l'analyse des données par l'utilisateur final et prend en charge une seule application analytique utilisée par un ensemble distinct d'utilisateurs. Sur la base des sources de données, les Data Marts sont divisés en deux catégories, les Data Marts dépendants et indépendants. Les Data Marts sont mis en œuvre sur des serveurs à faible coût pour une utilisation ministérielle.

Comparaison directe entre Data Warehouse et Data Mart (infographie)

Vous trouverez ci-dessous la différence entre les huit principaux entre Data Warehouse et Data Mart

Différences clés Data Warehouse vs Data Mart

Voyons quelques-unes des principales différences entre Data Warehouse et Data Mart:

L'une des principales différences entre Data Warehouse et Data Mart est que Data Warehouse est un référentiel central de données qui sert à la prise de décision tandis que Data Mart est un sous-ensemble logique de Data Warehouse utilisé pour des utilisateurs spécifiques.
Data Warehouse présente un risque d'échec en raison de sa très grande taille et de son intégration à partir de diverses sources. D'un autre côté, un Data Mart présente un risque d'échec inférieur en raison de sa taille plus petite et de l'intégration de données provenant de moins de sources.
Data Warehouse fournit une vue à l'échelle de l'entreprise pour son système centralisé et il est indépendant tandis que Data Mart fournit une vue départementale et un stockage décentralisé car il s'agit d'un sous-ensemble d'un entrepôt de données.
Data Warehouse est orienté application tandis que Data Mart est utilisé pour un système d'aide à la décision.
Data Mart stocke les données résumées tandis que l'entrepôt de données contient des données sous une forme détaillée. Les données sont sous une forme fortement dénormalisée dans Data Mart alors que, dans Data Warehouse, les données sont légèrement dénormalisées.
Les données sont stockées dans un référentiel unique, intégré et centralisé dans Data Warehouse tandis que dans Data Mart, les données sont stockées sur des serveurs à faible coût pour une utilisation spécifique par le département.
Lors de la construction d'un entrepôt de données, l'approche descendante est suivie, tandis que lors de la construction d'un magasin de données, l'approche ascendante est suivie.
Data Warehouse est une variante temporelle orientée sujet qui persiste plus longtemps alors que Data Mart est conçu pour des domaines spécifiques liés à une organisation et existe pour une durée plus courte.
Le schéma en étoile est utilisé lors de la modélisation d'un Data Mart tandis que le schéma de constellation de faits est utilisé pour modéliser un entrepôt de données. Généralement, un schéma de constellation de faits comprend un large éventail de domaines, en revanche, un schéma en étoile est utilisé pour son approche de la modélisation à sujet unique dans Data Marts.

Tableau de comparaison entre Data Warehouse et Data Mart

Regardons le top 8 de la comparaison entre Data Warehouse et Data Mart

ENTREPÔT DE DONNÉES	DATA MART
L'entrepôt de données stocke les données de plusieurs domaines.	Data Mart contient les données relatives à un domaine particulier comme la finance, les ressources humaines, les ventes, etc.
Il s'agit d'un référentiel central de données dans une organisation.	Il s'agit du sous-ensemble d'un entrepôt de données.
Les données sont intégrées dans un entrepôt de données comme un référentiel provenant de diverses sources.	Les données sont intégrées dans un Data Mart à partir de moins de sources qu'un entrepôt de données.
Un entrepôt de données est généralement modélisé à partir d'un schéma de constellation de faits.	Data Mart est conçu axé sur un modèle dimensionnel utilisant un schéma en étoile.
Il est difficile de concevoir et d'utiliser un entrepôt de données pour sa taille qui peut être supérieure à 100 gigaoctets.	Il est relativement plus facile à concevoir et à utiliser Data Mart, en raison de la flexibilité de sa petite taille.
Data Warehouse est conçu pour la prise de décision dans une organisation.	Data Mart est conçu pour des groupes d'utilisateurs ou des services spécifiques.
Il suit une approche descendante.	Il suit une approche ascendante.
Data Warehouse contient moins de données dénormalisées qu'un Data Mart.	Data Mart stocke des données hautement dénormalisées.

Conclusion

Un entrepôt de données fournit à l'utilisateur une interface intégrée unique où les requêtes d'aide à la décision peuvent être effectuées facilement et un magasin de données fournit une vue et un stockage départementaux. Un Data Warehouse est difficile à construire pour sa grande taille alors qu'un Data Mart est plus facile à entretenir et à créer pour sa petite taille spécifique à certains domaines. Les organisations peuvent travailler sur leurs besoins pour configurer des Data Marts pour différents départements et les fusionner en conséquence pour créer un Data Warehouse ou elles peuvent d'abord créer un Data Warehouse, puis plus tard, si besoin est, peuvent créer plusieurs Data Marts pour des départements spécifiques. Mais en raison de certaines contraintes telles que le temps et le coût, les organisations choisissent généralement de créer des Data Marts en premier, puis de les fusionner pour créer un entrepôt de données. La technologie Cloud Computing a fourni l'avantage de réduire le temps et les coûts afin de construire efficacement un entrepôt de données à l'échelle de l'entreprise. De plus, comme Data Warehouse vs Data Mart contiennent des données dénormalisées, nous devons trouver des solutions pour améliorer les performances des requêtes. Extraire, Transformer et Charger ou ETL est un tel concept pour extraire les données de plusieurs sources, puis transformer les données selon les besoins de l'entreprise et enfin charger les données dans un système.

Articles recommandés

Cela a été un guide pour la principale différence entre Data Warehouse et Data Mart. Ici, nous discutons également des principales différences entre Data Warehouse et Data Mart avec des infographies et un tableau de comparaison. Vous pouvez également consulter les articles suivants pour en savoir plus-