Looker |

Migration DataViz - une couche d’interopérabilité SQL amont-aval - {oa-lake}

Fri, 03 Jul 2026 00:00:00 +0000

Les plateformes décisionnelles reposent souvent sur plusieurs bases de données, plusieurs data warehouses / data lakes et plusieurs outils de restitution.

{oa-lake} introduit une couche SQL intermédiaire entre les sources de données et les outils de datavisualisation.

Les règles de gestion, objets métier, dimensions, mesures et calculs sont centralisés dans cette couche puis exposés aux outils consommateurs.

Point clé : les sources de données et les outils de restitution deviennent indépendants les uns des autres.

Architecture

{oa-lake} se connecte simultanément à plusieurs systèmes de données : bases relationnelles, data warehouses, lakehouses, fichiers ou APIs.

Les requêtes sont fédérées par un moteur SQL distribué qui exécute les jointures, calculs et transformations nécessaires.

Le SQL produit reste standard et exécutable sur différents moteurs, ce qui limite le lock-in technologique.

Les objets métier sont définis une seule fois puis exposés aux outils consommateurs.

Sources de données

Les données restent dans leurs systèmes d’origine.

Oracle, SQL Server, PostgreSQL, DB2, BigQuery, Snowflake, Redshift, Azure SQL (et autres) ou des fichiers peuvent être interrogés dans une même requête.

Le mécanisme de Push-Down SQL évite toute copie systématique des données : les requêtes s’exécutent directement sur les systèmes existants, dans le respect des architectures en place.

Usage typique : construire un dashboard à partir de données réparties sur plusieurs plateformes sans migration préalable.

Couche métier SQL

Les dimensions, mesures, hiérarchies et règles de calcul sont centralisées dans {oa-lake}.

Cette couche devient le point d’entrée unique pour les outils de restitution.

Les règles de gestion ne sont plus dupliquées dans chaque plateforme de datavisualisation.

Point clé : une seule définition des indicateurs pour l’ensemble du système décisionnel.

Cache Parquet

Les données peuvent être matérialisées au format Parquet.

Cette couche de cache réduit les temps de réponse et limite les sollicitations des systèmes sources. Elle est gérée automatiquement selon les usages observés, sans intervention manuelle.

Usage typique : accélérer les traitements analytiques les plus coûteux.

Data visualisation

Les outils de restitution se connectent au modèle exposé par {oa-lake}.

Power BI, Looker, Spotfire, Tableau, Qlik, SAP BusinessObjects ou tout outil compatible SQL peuvent exploiter les mêmes objets métier.

Les changements d’outils de data visualisation n’impliquent plus de reconstruire les dimensions, mesures et règles de calcul.

Migration progressive

Plusieurs outils peuvent coexister pendant une phase de transition.

Un même modèle métier peut être exposé simultanément vers plusieurs plateformes de restitution.

Résultat : migration progressive des usages sans modification des systèmes de données.

Data Lineage

Le data lineage reconstruit par {openAudit} reste disponible sur l’ensemble de la chaîne.

Les dépendances sont documentées depuis les systèmes sources jusqu’aux indicateurs exposés dans les dashboards.

Point clé : les transformations, calculs et usages restent traçables sur l’ensemble de l’architecture.

Migration DataViz - migrer de SAP BO vers GCP Looker

Thu, 02 Jul 2026 00:00:00 +0000

Les patrimoines SAP BusinessObjects regroupent généralement plusieurs années de modélisation : univers, rapports Web Intelligence, objets métier, calculs, filtres, invites et couches sémantiques.

{openAudit} analyse ces composants afin de reconstruire les dépendances entre les sources de données, les univers, les rapports et les usages observés.

Point clé : les univers et les objets métier constituent généralement la principale source d’information pour reconstruire le modèle cible.

Prérequis d’analyse SAP BusinessObjects

L’analyse repose sur l’accès aux services SAP BusinessObjects, aux référentiels techniques et à la base d’audit.

Les extracteurs sont exécutés dans l’environnement du Client. Les métadonnées collectées peuvent être anonymisées avant traitement.

Bon à savoir : seules les métadonnées techniques sont exploitées.

Analyse du patrimoine

L’analyse couvre les rapports Web Intelligence, les univers UNV et UNX, les Data Providers, les objets métier, les variables, les filtres, les invites et les composants graphiques.

Les dépendances techniques et les usages observés sont consolidés dans un référentiel.

Rationalisation

Les logs d’audit sont croisés avec les métadonnées de la plateforme.

Les rapports inutilisés ou cassés, les rapports répliqués, les objets non consommés, les univers obsolètes, etc. sont identifiés avant migration.

Résultat : réduction massive du volume à migrer.

Conversion vers Looker

Les Data Providers, les objets métier et les requêtes sont convertis vers les composants Looker.

Les dimensions, mesures, jointures et calculs sont reconstruits dans les modèles LookML.

Les dashboards, filtres, prompts, tableaux, graphiques et mécanismes de navigation sont reconstruits à partir des rapports SAP BusinessObjects.

L’organisation fonctionnelle des univers est reprise dans les dossiers, Explores et catalogues métier de la plateforme cible.

Point clé : les objets fonctionnels et les composants de restitution sont reconstruits à partir des univers et rapports SAP BusinessObjects.

Validation

Les migrations peuvent être réalisées en double exécution SAP BusinessObjects / Looker.

Les indicateurs produits par les deux plateformes sont comparés pendant les phases de recette.

Prompts SAP BusinessObjects

Les invites SAP BusinessObjects sont converties vers les filtres natifs de Looker.

Les listes de valeurs et paramètres de saisie sont conservés.

Objets métier et modèles LookML

Les requêtes, objets métier, dimensions, mesures et jointures sont convertis vers les composants LookML.

Structure fonctionnelle

L’organisation des univers est reconstruite sous forme d’Explores, de dimensions et de mesures.

Pivots et analyses matricielles

Les tableaux croisés et analyses multidimensionnelles sont convertis vers les mécanismes de pivot de Looker.

Graphiques

Les courbes et analyses comparatives sont reconstruites à partir des indicateurs identifiés dans les rapports.

Bar charts

Les bar charts sont adaptés aux composants de visualisation Looker.

Pie charts

Les pie charts sont convertis vers les visualisations natives de Looker.