Espaces de représentation multidimensionnels dédiés à la visualisation

Résumé. Dans un système décisionnel, la composante visuelle est importante pour l’analyse en ligne OLAP. Dans cet article, nous proposons une nouvelle approche qui permet d’apporter une solution au problème de visualisation des données engendré par l’éparsité. En se basant sur les résultats d’une analyse des correspondances multiples (ACM), nous tentons d’atténuer l’effet négatif de l’éparsité en organisant différemment les cellules d’un cube de données. Notre méthode ne cherche pas à réduire l’éparsité mais plutôt à construire un espace de représentation se prêtant mieux à l’analyse et dans lequel les faits du cube sont regroupés. Pour évaluer l’apport de cette nouvelle représentation des données, nous proposons un indice d’homogénéité basé sur le voisinage géométrique des cellules d’un cube. Les différents tests menés nous ont montré l’efficacité de notre méthode. Mots-clés : ACM, arrangement, cube de données, éparsité d’un cube, espace de représentation, indice d’homogénéité, OLAP, visualisation, voisinage.