La technologie de l’information (IT) est un univers mystérieux rempli de langages de programmation indéchiffrables et de matériel coûteux. Écarter les techniciens informatiques, c’est presque entendre une conversation dans une langue étrangère. Mais malgré cette barrière de la langue apparemment impénétrable, il peut être extrêmement important pour les décideurs dans les entreprises et les organisations de comprendre le monde de l’informatique. L’un des concepts informatiques les plus importants est l’intégration de données.
En générale, l’intégration des données semble être une idée simple. Étant donné que de nombreuses organisations stockent des informations sur plusieurs bases de données, elles doivent pouvoir récupérer des données provenant de différentes sources et les assembler de manière unifiée. Imaginons, par exemple, qu’une entreprise d’électronique se prépare à déployer un nouvel appareil mobile. Le service marketing peut souhaiter récupérer les informations sur les clients à partir d’une base de données du service des ventes et les comparer aux informations du service produit afin de créer une liste de ventes ciblée. Un bon système d’intégration de données permettrait au département marketing de visualiser les informations des deux sources de manière unifiée, en omettant toute information qui ne s’appliquait pas à la recherche.
En réalité, l’intégration de données est une discipline compliquée. Il n’y a pas d’approche universelle de l’intégration des données et il y a plusieurs techniques utilisées par les experts informatiques évoluent encore. Certaines approches d’intégration de données peuvent fonctionner mieux que d’autres pour une organisation, en fonction des besoins de cette organisation. Nous examinerons de près les stratégies générales utilisées par les experts informatiques pour intégrer plusieurs sources de données et entrer dans le monde de la gestion de bases de données.
Quelles sont les bases de l’intégration de données? Découvrez dans la section suivante.
Lire la suite :
- QCM sur Big Data corrigé – Principes de base – Partie 1
- QCM sur Big Data corrigé – Principes de base – Partie 2
- QCM sur Big Data corrigé – Principes de base – Partie 3
- QCM sur Big Data corrigé – Principes de base – Partie 4
- QCM sur Big Data corrigé – Principes de base – Partie 5
- QCM sur Big Data corrigé – Principes de base – Partie 6
- QCM sur Big Data corrigé – Principes de base – Partie 7
- QCM sur Big Data corrigé – Principes de base – Partie 8
- QCM sur Big Data corrigé – Principes de base – Partie 9
- QCM sur Big Data corrigé – Principes de base – Partie 10
- QCM sur Big Data corrigé – Principes de base – Partie 11
- QCM sur Big Data corrigé – Principes de base – Partie 12
- QCM sur Big Data corrigé – Principes de base – Partie 13
- QCM sur Big Data corrigé – Principes de base – Partie 14
- QCM sur Big Data corrigé – Principes de base – Partie 15
- QCM sur Big Data corrigé – Principes de base – Partie 16
- QCM sur Big Data corrigé – Principes de base – Partie 17
- QCM sur Big Data corrigé – Principes de base – Partie 18
- QCM sur Big Data corrigé – Principes de base – Partie 19
- QCM sur Big Data corrigé – Principes de base – Partie 20
- QCM sur Big Data corrigé – Principes de base – Partie 21
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 1
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 2
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 3
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 4
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 5
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 6
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 7
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 8
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 9
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 10
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 11
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 12
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 13
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 14
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 15
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 16
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 17
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 18
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 19
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 20
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 21
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 22
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 23
- QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 24
- QCM sur Big Data corrigé – Mapreduce
- Différence entre SAS et R
- Différence entre données structurées, semi-structurées et non structurées
- Différence entre ETL et ESB
- À quoi sert le big data ?
- Différence entre Big Data et Data Mining
- Différence entre Big Data et Cloud Computing
- Différence entre ROLAP et MOLAP
- Différence entre Data Mining et Data Warehouse
- Différence entre OLTP et OLAP
- Différence entre Table des faits et Table de dimension
- Différence entre le schéma en étoile et en flocon
- Différence entre un DataWarehouse et un Datamart
- Intégration des données(Data Integration) : Introduction
- Intégration des données(Data Integration) : Les bases de données
- Intégration des données(Data Integration) : Les approches
- Intégration des données(Data Integration) : Data Warehouses
- Intégration des données(Data Integration) : Base de données réseau
- Qu’est-ce que le Data warehousing et data mining ?
QCMs qui pourraient vous intéresser :