Evolution de schéma par classification automatique pour les entrepôts de données

Résumé. Les modèles et outils OLAP actuels gèrent les dimensions d’analyse d’un entrepôt de données de manière statique. Par conséquent, les axes d’analyse restent souvent figés malgré l’évolution des besoins et des données. Dans cet article, nous proposons une approche d’évolution de schéma basée sur une technique de classification automatique. Pour cela, nous cherchons le meilleur regroupement des instances d’un niveau d’analyse choisi par l’utilisateur en utilisant la méthode des k-means. Un nouvel axe d’analyse est ensuite construit à partir du résultat de cette classification. Pour choisir les descripteurs du niveau d’analyse à classifier, nous proposons deux solutions: la première utilise directement les attributs décrivant le niveau à classifier. Par contre, la deuxième solution décrit le niveau d’analyse par les mesures dans la table des faits. Pour valider notre approche, nous l’avons intégrée et testée à l’intérieur du SGBD (Système de Gestion de Bases de Données) Oracle 10g.