QCM : Introduction à la Business Intelligence et Data Warehouse — 11 questions

Question 1

1. Quel est l’objectif principal d’un système OLTP ?

Réaliser uniquement des agrégations mensuelles pour le reporting

Analyser de grands volumes de données historiques sur plusieurs dimensions

Construire des cubes multidimensionnels pour le pilotage stratégique

Traiter rapidement des transactions courtes et mettre à jour les données opérationnelles

Explication

OLTP est orienté transactions : il privilégie des opérations courtes, fréquentes et des temps de réponse faibles. L’analyse historique multidimensionnelle relève plutôt d’OLAP.

Answer

Traiter rapidement des transactions courtes et mettre à jour les données opérationnelles

Question 2

2. Qu'est-ce qu'un Data Warehouse dans le contexte de la Business Intelligence?

Un système de traitement en ligne des transactions pour la gestion quotidienne.

Un logiciel de gestion opérationnelle en temps réel pour la production.

Une base de données relationnelle optimisée pour les requêtes simples et rapides.

Une plateforme destinée à collecter et analyser des données provenant de sources hétérogènes pour soutenir l’aide à la décision.

Explication

Un Data Warehouse est une plateforme conçue pour collecter et analyser des données provenant de sources diverses afin de soutenir la prise de décision, contrairement aux autres options qui décrivent des systèmes opérationnels ou transactionnels.

Answer

Une plateforme destinée à collecter et analyser des données provenant de sources hétérogènes pour soutenir l’aide à la décision.

Question 3

3. Quel est le rôle principal d’un Data Warehouse dans une organisation ?

Stocker des données sans historique pour accélérer les saisies

Produire uniquement des tableaux de bord graphiques

Collecter et analyser des données hétérogènes pour aider à la décision

Exécuter des transactions en ligne avec des mises à jour immédiates

Explication

Un Data Warehouse est conçu pour centraliser des données issues de sources hétérogènes et les exploiter pour l’aide à la décision. Il ne sert pas principalement au traitement transactionnel, qui relève plutôt d’un système OLTP.

Answer

Collecter et analyser des données hétérogènes pour aider à la décision

Question 4

4. Selon la définition de Bill Inmon en 1996, quelles sont les caractéristiques principales d’un Data Warehouse ?

Orienté processus, décentralisé, volatil, en temps réel

Orienté sujet, intégré, non volatil, historisé

Conçu uniquement pour le stockage à court terme, sans organisation par métier

Basé sur des données non structurées, distribué, en constante évolution

Explication

Bill Inmon a défini le Data Warehouse en 1996 comme étant orienté sujet, intégré, non volatil et historisé, afin de soutenir l’aide à la décision. Les autres options ne correspondent pas à cette définition classique.

Answer

Orienté sujet, intégré, non volatil, historisé

Question 5

5. Quelle différence distingue principalement OLAP de OLTP ?

OLAP exploite des requêtes analytiques complexes sur des données historiques

OLAP met à jour en continu des transactions courtes en ligne

OLAP utilise surtout des schémas normalisés pour réduire la redondance

OLAP est conçu d’abord pour les saisies opérationnelles simultanées

Explication

OLAP sert à explorer des données historiques au moyen de requêtes complexes pour l’analyse et la décision. À l’inverse, OLTP vise les transactions courtes et les mises à jour rapides des données opérationnelles.

Answer

OLAP exploite des requêtes analytiques complexes sur des données historiques

Question 6

6. Quel est le rôle principal d’un système OLAP dans l’analyse de données ?

Explorer de grands ensembles de données pour révéler des tendances.

Gérer en ligne des transactions courtes et rapides.

Traiter en temps réel des opérations opérationnelles.

Stocker uniquement des données en temps réel pour la production.

Explication

OLAP est conçu pour explorer de grands ensembles de données afin de révéler des tendances et des modèles, contrairement à OLTP qui gère les transactions en temps réel.

Answer

Explorer de grands ensembles de données pour révéler des tendances.

Question 7

7. Quelle caractéristique décrit le mieux les données d’un Data Warehouse ?

Elles sont stockées sans organisation métier

Elles sont uniquement opérationnelles et mises à jour en continu

Elles sont limitées à une seule source de données

Elles sont orientées sujet, intégrées, historisées et non volatiles

Explication

Les données d’un Data Warehouse sont organisées par sujet, consolidées depuis plusieurs sources, conservées dans le temps et peu modifiées. Cette combinaison les distingue des données opérationnelles, plus instables et orientées transaction.

Answer

Elles sont orientées sujet, intégrées, historisées et non volatiles

Question 8

8. Quelle étape a été la première à être formellement définie dans la construction d’un Data Warehouse selon le plan du cours, et en quelle année cela s’est-il produit ?

La modélisation multidimensionnelle en 2000

L’alimentation du Data Warehouse en 2005

L’étude préalable en 1996

La phase de stockage en 2010

Explication

L’étude préalable a été la première étape formellement définie dans la construction d’un Data Warehouse, en 1996, pour fixer les objectifs, l’organisation et le contenu du projet.

Answer

L’étude préalable en 1996

Question 9

9. En quoi la modélisation multidimensionnelle diffère-t-elle de la modélisation relationnelle classique dans la conception d’un Data Warehouse?

Elle ne permet pas l’analyse multidimensionnelle, contrairement à la modélisation relationnelle qui facilite cette analyse.

Elle ne supporte pas l’historisation des données, contrairement à la modélisation relationnelle qui la favorise.

Elle utilise des schémas en étoile ou flocon pour organiser les données, contrairement à la modélisation relationnelle qui privilégie les tables normalisées.

Elle repose uniquement sur des bases de données NoSQL, alors que la modélisation relationnelle utilise des bases SQL.

Explication

La modélisation multidimensionnelle utilise principalement des schémas en étoile ou flocon pour organiser les données en axes et mesures, facilitant ainsi l’analyse multidimensionnelle, contrairement à la modélisation relationnelle classique qui privilégie des tables normalisées.

Answer

Elle utilise des schémas en étoile ou flocon pour organiser les données, contrairement à la modélisation relationnelle qui privilégie les tables normalisées.

Question 10

10. Qui a introduit la définition du Data Warehouse en 1996 en le décrivant comme orienté sujet, intégré, non volatil et historisé?

Ralph Kimball

Claudia Imhoff

Bill Inmon

Howard Dresner

Explication

Bill Inmon est crédité en 1996 d'avoir formulé la définition classique du Data Warehouse, soulignant ses caractéristiques principales. Ralph Kimball a également contribué à la modélisation, mais pas à cette définition spécifique.

Answer

Bill Inmon

Question 11

11. Quelles sont les principales causes qui expliquent l'utilisation de l'OLAP pour explorer de grands ensembles de données plutôt que l'OLTP ?

L'OLAP est conçu pour gérer des données en temps réel, alors que l'OLTP se concentre sur l'historisation des données.

L'OLAP est utilisé uniquement pour les données opérationnelles, contrairement à l'OLTP qui traite des données historiques.

L'OLAP utilise des structures multidimensionnelles pour faciliter l'analyse complexe, tandis que l'OLTP privilégie la rapidité des transactions.

L'OLAP nécessite moins de ressources matérielles que l'OLTP, ce qui le rend plus adapté aux analyses.

Explication

L'OLAP est privilégié pour l'exploration de grands ensembles de données en raison de ses structures multidimensionnelles qui permettent des requêtes analytiques complexes, contrairement à l'OLTP qui est optimisé pour la rapidité des transactions courtes.

Answer

L'OLAP utilise des structures multidimensionnelles pour faciliter l'analyse complexe, tandis que l'OLTP privilégie la rapidité des transactions.

QCM : Introduction à la Business Intelligence et Data Warehouse — 11 questions

Questions et réponses du QCM

1. Quel est l’objectif principal d’un système OLTP ?

2. Qu'est-ce qu'un Data Warehouse dans le contexte de la Business Intelligence?

3. Quel est le rôle principal d’un Data Warehouse dans une organisation ?

4. Selon la définition de Bill Inmon en 1996, quelles sont les caractéristiques principales d’un Data Warehouse ?

5. Quelle différence distingue principalement OLAP de OLTP ?

6. Quel est le rôle principal d’un système OLAP dans l’analyse de données ?

7. Quelle caractéristique décrit le mieux les données d’un Data Warehouse ?

8. Quelle étape a été la première à être formellement définie dans la construction d’un Data Warehouse selon le plan du cours, et en quelle année cela s’est-il produit ?

9. En quoi la modélisation multidimensionnelle diffère-t-elle de la modélisation relationnelle classique dans la conception d’un Data Warehouse?

10. Qui a introduit la définition du Data Warehouse en 1996 en le décrivant comme orienté sujet, intégré, non volatil et historisé?

11. Quelles sont les principales causes qui expliquent l'utilisation de l'OLAP pour explorer de grands ensembles de données plutôt que l'OLTP ?

Révisez avec les flashcards

Approfondir avec la fiche

Cours similaires

Gestion des fichiers en PHP

Identification utilisateur en PHP

Automated PCB Fault Diagnosis

Rôle d'un système d'exploitation

Questions techniques projet Compawgnon

Bases de Python pour débutants

Crée tes propres QCM