QCM

Notion : Le Change Data Capture, ou CDC, identifie les changements intervenus dans une source.
Explication : Il peut capturer les insertions, les mises à jour et les suppressions afin de propager les modifications sans refaire systématiquement une extraction complète. Cette approche peut réduire le coût des chargements. Pour l'exploiter correctement, le pipeline doit aussi gérer l'ordre des événements et leur reprise après incident. Capture des changements et gestion fiable de leur application sont donc complémentaires.
À retenir : Le CDC transmet les changements ; les transformations doivent toujours être validées.
Piège fréquent : Capturer fidèlement une modification source ne garantit pas que les règles métier appliquées ensuite soient correctes.

Notion : L'orchestration coordonne l'exécution des tâches d'un pipeline et leur suivi.
Explication : Les dépendances déterminent quelles étapes peuvent démarrer et lesquelles doivent attendre. Les retries contrôlés et la reprise après incident permettent de gérer les échecs. Les délais, alertes et journaux d'exécution rendent l'état du pipeline visible et facilitent le diagnostic. Ces capacités se complètent pour organiser l'enchaînement des traitements et leur récupération, sans se substituer aux transformations métier.
À retenir : Orchestrer, c'est gérer l'ordre, les incidents et la visibilité.
Piège fréquent : Relancer indéfiniment sans limite ni idempotence peut répéter des effets déjà produits au lieu de rétablir un traitement fiable.

Notion : La gestion de l'évolution des schémas encadre les modifications de structure des données sources.
Explication : L'ajout d'une colonne ou le changement d'un type doit être détecté, puis évalué. Les contrats de données et les règles de compatibilité définissent les évolutions acceptables. Le versionnement conserve une référence des structures, tandis que les tests vérifient que les transformations restent adaptées. Ces pratiques se complètent : détecter ne suffit pas sans validation, et valider nécessite des attentes explicites.
À retenir : Détecter, encadrer, versionner et tester les changements.
Piège fréquent : Des noms de colonnes similaires ne prouvent pas la compatibilité des types ou des traitements ; accepter sans contrôle peut provoquer une rupture ou une corruption.

Notion : Une dimension conforme fournit une référence cohérente à plusieurs processus métier.
Explication : Sa définition, ses attributs, ses clés et ses règles doivent être cohérents entre les usages, avec des niveaux de détail compatibles. Cette cohérence permet le drill-across : rapprocher les analyses de plusieurs tables de faits au moyen de dimensions communes. Les propriétés de définition et de structure se complètent donc pour rendre les comparaisons fiables.
À retenir : Une dimension conforme donne le même sens aux axes d'analyse partagés.
Piège fréquent : Laisser chaque data mart redéfinir librement une même dimension crée des divergences ; un nom identique ne suffit pas à garantir des analyses croisées cohérentes.

Notion : Publication d’un data mart Finance fondé sur des données certifiées.
Explication : Un data mart financier doit rendre les chiffres compréhensibles, cohérents et vérifiables. Définir les métriques et leurs règles de calcul fixe un langage commun. Réconcilier les totaux avec les systèmes de référence vérifie la cohérence des résultats. Documenter les sources, les transformations et les responsables permet de comprendre leur origine et leur gestion. Ces précautions se complètent : définition, contrôle et traçabilité répondent à des besoins différents.
À retenir : Des données certifiées doivent rester cohérentes et documentées jusqu’aux indicateurs publiés.
Piège fréquent : Créer rapidement des indicateurs locaux sans vérifier leur cohérence avec les définitions de l’entreprise.

Notion : Sécurité des données dans un Data Warehouse.
Explication : Une stratégie de sécurité associe plusieurs protections. Le moindre privilège limite les droits aux besoins réels de chaque utilisateur. La protection des données en transit et au repos couvre leur circulation et leur stockage selon les exigences applicables. Le masquage ou la pseudonymisation réduit l’exposition des informations sensibles dans les usages appropriés. Ces mesures se complètent, car contrôler les accès ne suffit pas à protéger toutes les situations d’utilisation.
À retenir : Adapter les droits, protéger les données et limiter leur exposition constituent des protections complémentaires.
Piège fréquent : Partager des identifiants de production, ce qui compromet le contrôle individuel des accès et la traçabilité des actions.

Notion : Adéquation entre partitionnement et filtres des requêtes.
Explication : Partitionner une table par date facilite surtout l’élimination des partitions inutiles lorsque les requêtes filtrent cette date : c’est le partition pruning. Un filtre portant uniquement sur le client ne permet pas nécessairement cette élimination. Il faut donc examiner le plan d’exécution et les prédicats réellement utilisés. Selon le moteur, un clustering ou un index adapté aux recherches par client peut compléter le partitionnement.
À retenir : L’organisation physique doit correspondre aux usages réels ; le plan d’exécution permet d’en vérifier l’efficacité.
Piège fréquent : Confondre partitionnement et accès sélectif automatique. Une table partitionnée peut malgré tout être entièrement parcourue.

Notion : Agrégation correcte des taux et des ratios.
Explication : Un taux dépend d’un numérateur et d’un dénominateur. Pour obtenir un taux global, il faut conserver ces composantes, les agréger sur le périmètre voulu, puis recalculer le ratio. La définition métier du dénominateur doit être vérifiée pour savoir exactement quelle population ou quel volume est mesuré. Ces pratiques se complètent : disposer des composantes ne suffit pas si leur signification est incorrecte.
À retenir : Le taux agrégé se calcule généralement à partir des composantes agrégées, pas directement des pourcentages affichés.
Piège fréquent : Faire systématiquement une moyenne arithmétique des taux individuels, qui donne le même poids à des observations de volumes différents.

Notion : Gouvernance de la conservation des données brutes.
Explication : Supprimer les données brutes peut réduire les coûts, mais affecte la capacité à expliquer et à reconstruire les résultats. Il faut examiner les besoins de traçabilité des transformations, ou lineage, et d’audit, ainsi que la possibilité de rejouer les traitements ou de corriger une erreur. Les règles de conservation et les obligations réglementaires doivent également être prises en compte. Ces dimensions éclairent ensemble la décision de suppression.
À retenir : La conservation ou la suppression doit résulter d’une décision explicite tenant compte des besoins et des obligations.
Piège fréquent : Considérer la publication d’un modèle transformé comme une justification suffisante pour supprimer systématiquement les données brutes.

Notion : Réconciliation entre un Data Warehouse et une source.
Explication : Une réconciliation vérifie la concordance de données réellement comparables. Les périodes et les périmètres doivent correspondre, et la comparaison doit porter sur une granularité compatible. Les définitions métier et les règles d’exclusion doivent aussi être alignées. Des seuils ou tolérances permettent ensuite de qualifier les différences, qui doivent être investiguées. Ces conditions se complètent : un écart n’est interprétable que si les bases de comparaison sont cohérentes.
À retenir : Comparer correctement vient avant juger les écarts ; contrôler des totaux ne suffit pas.
Piège fréquent : Attribuer une différence à une erreur de chargement alors que les chiffres couvrent des populations ou des niveaux de détail différents.