Questions pour un data modeler Data Vault sur les hubs et les satellites

Recruter un data modeler Data Vault demande de savoir ce que la méthode impose. Le modèle découpe chaque source en hubs (les objets métier et leur clé), links (les relations) et satellites (les attributs et leur historique). Tout est chargé en insertion seule, ce qui garde la trace de chaque changement. La banque et l'assurance l'utilisent pour l'audit. Les annonces françaises l'associent souvent à Snowflake, dbt et Databricks.

Écrit sur un CV, « Data Vault 2.0 » peut vouloir dire deux choses. Certains ont conçu le modèle : ils ont choisi les clés métier, découpé les satellites, construit les PIT et les marts. D'autres ont alimenté des tables générées par un outil sans toucher à la conception. La différence s'entend dès qu'on parle de clés métier en conflit entre deux sources, d'un apporteur qui change sur un contrat ou d'un fichier chargé dans le désordre.

Générateur comme AutomateDV ou WhereScape, ou modèle écrit à la main : l'équipe peut le dire avant l'entretien, et la grille change selon la réponse. Avec un générateur, la conception des clés compte plus que l'écriture du SQL. Le PDF inclut un cas sur l'entrepôt d'une mutuelle.

Les notions et les outils d'un data modeler Data Vault

Data Vault 2.0 et 2.1

Une méthode de modélisation d'entrepôt pensée pour intégrer beaucoup de sources et garder tout l'historique. La version 2.0 est la référence citée dans les annonces. La 2.1, enseignée par Scalefree, ajoute des sujets cloud et streaming. La certification CDVP2 atteste la formation à la méthode.

Hubs, links et satellites

Les trois briques du modèle. Le hub contient la clé métier d'un objet (client, contrat), le link relie plusieurs hubs, le satellite porte les attributs descriptifs et leur historique. Un candidat solide explique sans hésiter où va chaque colonne d'une table source.

Clés de hachage et hash diff

Chaque clé métier est hachée (MD5 ou SHA) pour servir de clé technique, ce qui permet de charger les tables en parallèle. Le hash diff, calculé sur les attributs d'un satellite, détecte qu'une ligne a changé. Les règles de normalisation avant hachage font la différence entre un modèle propre et des doublons.

Satellites spécialisés

Effectivity satellite pour dater le début et la fin d'une relation, satellite multi-actif pour plusieurs valeurs valides en même temps, satellite de suivi de statut pour les suppressions dans la source. Leur usage montre l'expérience réelle.

Business Vault, PIT et bridge

Le Business Vault ajoute les règles métier et les données dérivées. Les tables PIT (point-in-time) et bridge précalculent les jointures pour que les requêtes à une date restent rapides. Sans elles, les marts deviennent lents.

Marts dimensionnels

Les utilisateurs ne lisent pas le Data Vault directement. On en tire des schémas en étoile, avec dimensions historisées et tables de faits, pour Power BI, Tableau ou les analystes. Le data modeler conçoit aussi ce passage.

AutomateDV, datavault4dbt, WhereScape, VaultSpeed

Des outils qui génèrent le code de chargement à partir de métadonnées. AutomateDV (ex-dbtvault) et datavault4dbt sont des packages dbt open source. WhereScape et VaultSpeed sont des outils commerciaux. Ils automatisent le chargement, pas la conception.

Snowflake, Databricks, BigQuery

Les plateformes où tournent la plupart des Data Vault récents. Les choix physiques (format des clés de hachage, clustering, chargements en ajout seul) pèsent sur le coût et la performance.

Outils de modélisation

PowerDesigner, Erwin ou ER/Studio restent présents dans les grands comptes pour documenter les modèles conceptuels et logiques. Sur les projets dbt, la documentation vit souvent dans le code et les métadonnées.

Le Data Vault se rencontre surtout là où l'audit et l'historique pèsent lourd : banque, assurance, mutuelles et groupes qui alimentent leur entrepôt depuis beaucoup de systèmes sources. Le titre exact varie. Les annonces parlent de data modeler, de data architect, de data engineer Data Vault ou d'analytics engineer, et le poste mêle souvent conception du modèle et développement des chargements en dbt. En ESN, la mission porte fréquemment sur la reprise d'un Data Vault existant ou sur une migration vers Snowflake ou Databricks. Chez un client final, le modélisateur tient les conventions dans la durée et travaille avec les équipes métier sur les clés et les définitions.

Les savoir-faire de modélisation à vérifier

• Identification des clés métier
• Conception des hubs, links et satellites
• Historisation et chargement incrémental
• Business Vault, tables PIT et bridge
• Restitution en marts dimensionnels
• Automatisation, performance et RGPD

Cinq cas de modélisation à soumettre au candidat

Chaque question vient avec ce qu'une bonne réponse contient et le signal qui doit vous alerter. Pas besoin d'être technique pour les poser : écoutez si le candidat raconte du vécu.

1. Question 1 · confirmé

   Le CRM et l'ERP ont chacun leur identifiant client, et le SIREN n'est renseigné que pour les clients professionnels. Comment modélisez-vous le hub client ?

   Une bonne réponseIl cherche d'abord la clé métier que les équipes utilisent vraiment. Faute de clé commune, il charge les deux identifiants dans le hub client, chacun avec sa source, puis relie les doublons par un same-as link construit dans le Business Vault à partir de règles de rapprochement, le SIREN par exemple. Il ne fusionne rien en staging : la trace de chaque source reste disponible.

   Signal d'alertePrendre l'identifiant technique du CRM comme seule clé et ignorer l'ERP. Ou dédoublonner en staging avec une logique floue, ce qui fait perdre la trace de l'origine.

2. Question 2 · confirmé

   Un contrat d'assurance a un souscripteur, un produit et un apporteur, et l'apporteur peut changer en cours de vie du contrat. Comment modélisez-vous ces relations ?

   Une bonne réponseDes hubs contrat, client, produit et apporteur. Un link pour la relation contrat, souscripteur et produit, et un link séparé contrat-apporteur, puisque cette relation change à son propre rythme. Les links ne se ferment jamais, donc un effectivity satellite sur le link contrat-apporteur enregistre le début et la fin de chaque rattachement. Les attributs descriptifs vont dans des satellites accrochés aux hubs ou aux links.

   Signal d'alerteL'identifiant de l'apporteur rangé comme simple attribut dans le satellite du contrat, ou une mise à jour de la ligne de link quand l'apporteur change.

3. Question 3 · confirmé

   Chaque nuit, la source envoie un extrait complet de 20 millions de clients. Comment chargez-vous le satellite sans ajouter 20 millions de lignes par jour ?

   Une bonne réponseUn hash diff calculé sur les colonnes descriptives, après normalisation (espaces, casse, valeurs nulles, séparateurs, ordre des colonnes fixe), comparé au dernier enregistrement du satellite pour la même clé. Seules les lignes modifiées sont insérées, avec leur load date. Un extrait complet permet aussi de repérer les clients disparus, enregistrés dans un satellite de suivi de statut. Il découpe les satellites selon la fréquence de changement des attributs.

   Signal d'alerteVider et recharger la table, mettre à jour les lignes en place, ou comparer colonne par colonne sans hash diff. Ne jamais parler des suppressions.

4. Question 4 · senior

   Les analystes se plaignent : pour reconstituer la fiche client à une date, il faut joindre six satellites et la requête est lente. Que construisez-vous ?

   Une bonne réponseUne table PIT (point-in-time) sur le hub client : pour chaque clé et chaque date d'instantané, elle stocke la référence de l'enregistrement valide dans chaque satellite. Les jointures deviennent des égalités simples. Des ghost records dans les satellites évitent les jointures externes quand un satellite n'a rien à cette date. Il choisit la fréquence des instantanés selon l'usage et construit les marts à partir de la PIT. Pour les parcours hub-link-hub, une bridge table.

   Signal d'alerteBrancher les outils de BI sur le Raw Vault, ou regrouper tous les attributs dans un satellite géant.

5. Question 5 · confirmé

   Le contrôle de gestion veut une étoile dans Power BI avec le chiffre d'affaires par segment client, le segment étant celui en vigueur au moment de la vente. Comment passez-vous du Data Vault à ce mart ?

   Une bonne réponseLe segment est calculé par une règle métier dans le Business Vault, pas dans Power BI. La dimension client est construite en SCD de type 2 à partir de l'historique des satellites ou de la PIT, avec des dates de validité. La table de faits vient du link transactionnel des ventes, jointe à la version de la dimension valide à la date de vente. Vues ou tables matérialisées selon les volumes.

   Signal d'alertePointer Power BI sur les tables du Raw Vault, ou recalculer le segment avec sa valeur actuelle pour toutes les ventes passées.

Recruter en Data Vault : réponses aux questions fréquentes

Pour structurer vos autres entretiens, consultez aussi nos pages sur les questions d'entretien de recrutement, la méthode de l'entretien structuré et la grille d'évaluation d'entretien.