Skip to Content

OLAP (Online Analytical Processing)

Nicolas Belhamri
2 min

Définition courte

L’OLAP (Online Analytical Processing) est un système de traitement de données qui a été introduit dans le domaine de la business intelligence et de la data engineering il y a plus de 20 ans, à une époque où le matériel informatique et les logiciels n’étaient pas aussi puissants qu’aujourd’hui. 

L’OLAP a introduit un moyen révolutionnaire pour permettre aux analystes d’effectuer facilement des analyses multidimensionnelles de grands volumes sur des données business.

Le système décisionnel OLAP s’appuie sur le data warehouse, qui est un modèle multidimensionnel. C’est un modèle relationnel dit dénormalisé.

L’agrégation, le regroupement et l’assemblage des données sont les types de requêtes SQL les plus difficiles à traiter pour une base de données relationnelle.

La force de l’OLAP réside dans la capacité qu’il offre à un data analyste de faire des requêtes multidimensionnelles ou d’agrégations. Cette capacité est rendue possible grâce à une architecture multidimensionnelle reliant des tables de dimensions à une table de mesures.

Il existe trois types d’architectures multidimensionnelles: le modèle en étoile, le modèle en flocon de neige, ou le modèle en constellation. Il n’y a pas vraiment de différence fondamentale entre ces 3 modèles si ce n’est au niveau du nombre de jointures.

Téléchargez nos maps des KPIs SaaS et e-commerce
Télécharger
Téléchargez 3 exemples de plan de taggage web GA4/GTM (SaaS, e-commerce, lead generation)
Télécharger
Téléchargez notre formation sur Google Analytics 4 (version longue)
Télécharger

Consultez aussi…

GLOSSAIRE

Recherchez les définitions qui vous manquent !

CAS CLIENTS

Nos cas clients par industrie, type de business et type de mission !

BLOG

L’actu data, par BORYL !

Recevez chaque mois des ressources pour garder une longueur d’avance sur les sujets Data Marketing & Analytics !
S'INSCRIRE À LA NEWSLETTER
Back to top
Inscrivez-vous à notre newsletter et recevez chaque mois du contenu pour garder une longueur d’avance sur les sujets Data Marketing.