Agrégations multiples différenciées dans les bases de données multidimensionnelles

Abstract

De nombreux modèles ont été proposés pour la modélisation de données multidimensionnelles dans les entrepôts. Ces propositions considèrent une même fonction d’agrégation pour déterminer les valeurs d’une mesure aux différents niveaux de granularité de l’espace multidimensionnel. Nous proposons un nouveau modèle conceptuel plus expressif supportant des agrégations multiples différentiées. L’agrégation multiple permet d’associer à une même mesure, des fonctions d’agrégation différentes pour chaque axe d’analyse ou pour chaque hiérarchie. L’agrégation différentiée autorise des agrégations spécifiques à chaque niveau de granularité. Le modèle proposé repose sur des formalismes graphiques suffisamment expressifs pour contrôler la validité des fonctions d’agrégation qui peuvent être distributives, algébriques ou holistiques. Nous montrons également comment la modélisation conceptuelle peut être exploitée au niveau logique R-OLAP pour construire efficacement des treillis de pré-agrégats.