Faut-il bruler l’entrepôt de données traditionnel ?

Merci de m'apprendre des choses que je n'ai pas évoquées dans mes articles. C'est la première fois que j'ai entendu parler de "entrepôts de données vectoriels". Quand je parle de base de données vectorielle associative , je fais référence au concept de base de donnée inventée par l'éditeur QlikTech qui est basée sur la technologie vectorielle associative 'In Memory" qui implique plusieurs choses qui n'ont rien à avoir avec les entrepôts de données tels que vous entendez
1- cette base de données est complètement en mémoire et je vois mal un entrepôt de données embarquées entièrement en mémoire
2- la structure de cette base de données est vectorielle qui permettra facilement la recherche associative excluant totalement le langage SQL
3 - l'accès aux données est tellement performant que l'on n' a plus besoin de préconstruire les cubes ni précalculer les métriques
Quand vous dites que tous les outils BI utilisent une base de données, je suis d'accord avec çà mais quand vous dites avec du SQL, et là je ne peux pas partager cette idée car à mon avis vous connaissez mal ou pas du tout la base de donnée associative de QlikView. Je vous invite à lire les articles sur ce nouveau concept de base de données écrits par l'éditeur QlikTech

J'ai compris maintenant votre problematique mais en fait on ne travaille pas du tout dans le meme contexte j'ai perdu de vue le fait que vous etes dans le reporting de masse et l'outil que j'utilise n'a pas ete concu pour les grosses editions et les grosses saisies de donnees mais il est oriente analyse de donnees permettant la prise de decision immediate mais dont les sources de donnees sont les applications metiers
Cette technologie n'a pas la pretention de tout faire et a ete concue pour rendre facile et efficace la prise de decision. Et cet outil s'adresse aux decideurs qui ont besoin d'une reponse rapide afin de pouvoir prendre une decision sur le champ car il est en fait oriente rapport dynamique 'discovery' et non statique
D'apres son editeur, il est capable de supporter des milliers d'utilisateurs lorsque il fonctionne en mode clustering. Il n'est pas limite a quelques dizaines d'utilisateurs comme on laisse suppose

Compromis entre datawarehouse et base de données vectorielle associative 'In Memory'
Pour ne pas frustrer les personnes qui s'accrochent toujours au datawarehouse donc à leurs acquis, sachant que les données historiques se trouvent actuellement dans ces entrepots de données, il est d'usage d'utiliser ces datawarehouses en amont des applications à refondre ou à migrer vers des outils comme QlikView afin d'alimenter les bases associatives décisionnelles qui vont servir de socles dorénavant
Par contre on ne peut pas imager de continuer avec des datawarehouses quand il s'agit de mettre en place une nouvelle application à des outils innovants comme QlikView dont la technologie est basée sur l'architecture vectorielle associative doublée de travail 'In Memory'. C’est cette technologie rend caduque la technologie qui est basée sur l’architecture multidimensionnelle qui consiste à préconstruire les cubes et préétablir les calculs afin de pouvoir agréger les données brutes
La technologie vectorielle associative permet de créer les cubes en temps réel et à la volée
c'est cette performance là que l'on attendait depuis fort longtemps dans le contexte BI
et non la performance "à tout prix"

J'ai l'impression que certaines personnes ne voient dans QLIKVIEW que la qualité de visualisation. Mais quand ils disent qu'il est très intéressant de point de vue de performances. C'est là quand on se pose la bonne question: d'où vient cette performance? et pourquoi. J’ invite de nouveau à relire mon précédent article car justement j'ai beaucoup insisté sur l'architecture technique de cet outil. C'est cette architecture qui fait que cet outil est très performant dans la réalisation d'un projet décisionnel et qui amène une souplesse d'utilisation pour les utilisateurs finaux et une démarche innovante dans la conception et réalisation d'une application décisionnelle. Avec cet outil, 'vous embarquez en mémoire toute votre base de données à analyser. Il vous permet de créer les cubes de manière dynamique, en d'autres termes à la volée et je ne peux me permettre de dire que le datawarehouse a encore de l’avenir devant lui quand on voit ce que l’on peut faire avec les bases de données décisionnelles ‘In Memory’. Son architecture vectorielle permet une recherche associative et par conséquent l’utilisateur final fait de la sélection en mode NON SQL et cela implique pour lui une analyse rapide et efficace
Et enfin la dernière chose que je n’ai pas bien appréhendé c’est que le positionnement de QLIKVIEW dérange certaines personnes. C’est bien normal que lorsque un outil innovant arrive sur le marché et qu’il met en cause le bienfondé de ces concurrents, donc il dérange. On regarde toujours les choses de point de vue commercial. A mon humble avis, cet outil tire les autres à aller vers le haut et même pour les dirigeants qui viennent à prendre des décisions à un instant T, ils doivent disposer d’un outil efficace et performant qui leur permet de prendre une décision de manière rapide pour faire face aux concurrents et non pas à attendre un reporting qui ne vient que quelques minutes plus tard voire même plus
Pour conclure, je tiens à informer que j'ai été amené la plupart du temps à faire de la migration des applications réalisées avec les outils BI traditionnels vers QLIKVIEW. Cette démonstration est basée sur des faits réels et non sur des suppositions comme on l'insinue ailleurs Cela m'a permis de bien comprendre l'avenir du BI et de comment se préparer à l'évolution technologique dans ce domaine

Faut-il ringardiser le DATAWAREHOUSE ?
Quand un utilisateur analyse ses données avec les outils BI traditionnels tels BO, Cognos, MicroStrategy,SAP,etc, il ne peut pas avoir une liste exhaustive des questions à appliquer au datawarehouse à un instant T. Vous savez très bien que avec l'approche traditionnelle en BI , les utilisateurs sont obligés de remonter à l'informatique leurs questions qui ne trouvent pas de réponse dans la base datawarehouse au moment de l'analyse et là ils doivent attendre des heures sinon des jours pour pouvoir avoir les réponses à leurs questions. Voilà pourquoi les éditeurs de solutions innovantes cherchent à ringardiser l'utilisation du datawarehouse. Avec leurs outils innovants, les utilisateurs sont capables de faire de l'analyse à la volée avec la base vectorielle in memory dans laquelle ont été chargées les données non agrégées et même s'ils oublient de poser la bonne question, l'outil innovant est capable de les ramener vers la bonne réponse en procédant par tatillon et ils n'ont plus besoin de remonter leurs questions à l'information pour les intégrer dans le datawarehouse
Essayez l'outil comme QLIKVIEW, vous allez constater par vous-même que le datawarehouse ne servira plus à rien et vous allez gagner énormément du temps et surtout de l'argent surtout lorsque l'on pense que pour mettre en place un datawarehouse il faut des mois voire des années cela implique même des fois d'arrêter purement et simplement le projet
Par contre beaucoup d'éditeurs essaient maintenant de parler de base de données 'In Memory' comme chez QLIKTECH, je pense que c'est vraiment une très bonne idée d'aller vers cette technologie surtout que la mémoire RAM de l'ordinateur peut avoir une taille vraiment considérable avec la structure à 64bits et avec cette technologie on peut mettre en mémoire des milliards d'enregistrements (voire les résultats des tests effectués dans le laboratoire de QLIKTECH (Manuel QlikView)). Seulement voilà la base de donnée 'In Memory' conçue avec QLIKVIEW est basée sur une architecture VECTORIELLE qui va permettre de manière efficace et simple la RECHERCHE ASSOCIATIVE . C'est cette architecture vectorielle que l'on ne voit pas chez les autres éditeurs. Il ne suffit pas de mettre en mémoire les données encore faut-il savoir les utiliser et exploiter de façon simple et efficace pour les utilisateurs finaux. Cela se voit dans la manière de faire de la sélection de données car pour moi je constate habituellement avec QLIKVIEW que c'est la NON SQL qui prévaut pour faire de la requête dans la base de données associative 'In Memory' et cela permet par conséquent aux utilisateurs de faire une analyse de manière rapide et efficace