Modèle de préférences contextuelles pour les analyses OLAP

Les systèmes OLAP (On-Line Analytical Processing) permettent l’analyse de grands volumes de données issues des systèmes transactionnels de l’entreprise. Ils reposent le plus souvent sur des bases de données multidimensionnelles (BDM) qui organisent les données en sujets d’analyse appelés faits, et axes d’analyse appelés dimensions. L’analyse en ligne OLAP consiste à explorer intuitivement les BDM par l’application d’un ensemble d’opérateurs multidimensionnels (Abelló et al., 2003), (Ravat et al., 2008). Les systèmes OLAP actuels ont peu de connaissances sur l’utilisateur. Ils ne tiennent pas compte des caractéristiques spécifiques de chaque utilisateur pour la restitution des données, à savoir ses objectifs et ses centres d’intérêts. Ceci oblige l’analyste à naviguer au sein des données par un enchainement d’opérations et une succession de résultats intermédiaires pour obtenir les données pertinentes à sa prise de décision (adaptées à ses besoins spécifiques d’analyse). L’analyse OLAP peut s’avérer alors une tâche fastidieuse qui dégrade les performances du processus d’analyse décisionnelle. Cette dégradation est aggravée par un coût d’exécution important des requêtes dans un environnement OLAP avec un grand nombre de dimensions (Choong et al., 2003). Notre objectif est de personnaliser l’exploration des BDM en restituant les données en fonction des préférences utilisateur et de son contexte d’analyse. Ceci permettrait de réduire la charge de navigation de l’utilisateur.