===== Analyse des données=====
**Définitions**:    
  * **Données aggrégées** : données regroupées en classes (clusters), éventuellement organisées de façon hiérarchiques. Possibilité d’appartenances à de multiples hiérarchies (cubes de données).
  * **Analyse des données** : le but est de dégager des indicateurs à partir d’un grand ensemble de données, afin de faciliter la prise de décision.

**cas d’utilisation** :
  * quels sont les magasins les plus rentables? doit-on ouvrir / fermer des magasins?
  * où doit-on implanter un nouveau magasin?
  * y a-t-il une corrélation entre le lancement d’une campagne publicitaire et les chiffres de vente? quels sont les supports les plus efficaces?
  * quelle est la liste des clients à fidéliser?
  * de quelle quantité doit-on approvisionner les magasins en fonction de la période de l’année?

analyse:
  * quels sont les catégories de films/livres les plus fréquemment empruntés?
  * réussite / taux d’embauche / salaire en fonction de la prépa d’origine / sexe / profession des parents


Les opérateurs d’aggrégation permettent de réaliser des statistiques sur les données, sous forme d’histogrammes (ou camemberts) organisés selon des catégories définies par les valeurs de certains attributs:

**principe :**
  * opérateur d’aggrégation : comptage, somme, moyenne, ecart-type (count, sum, mean, avg, …)
  * les données aggrégées sont de type quantitatif
  * les attributs définissant les classes sont de type qualitatif.

Exemples de requêtes faisant appel aux fonctions d’aggrégation :

//Nombre d’élèves par groupe de TD / par prepa d’origine etc..://
<code sql>
SELECT groupe_TD , count(num_eleve)
FROM Eleve
GROUP BY groupe_TD
</code>

//Donner les chiffres des ventes du magasin pour chaque mois de l’année//
<code sql>
SELECT mois, sum(montant)
FROM Vente
GROUP BY mois
</code>

//Donner le nombre de ventes d’un montant > à 1000 euros pour chaque mois de l’année//
<code sql>
SELECT mois, count(num_vente)
FROM Vente
GROUP BY mois
HAVING montant >= 1000
</code>

//Tester les disparités salariales entre hommes et femmes//
<code sql>
SELECT sexe, avg( salaire )
FROM Employé
GROUP BY sexe
</code>

//Tester les disparités salariales selon le niveau d’éducation//
<code sql>
SELECT niveau_educatif, avg( salaire )
FROM Employé
GROUP BY niveau_éducatif
</code>