La base de données Sunshine de l’Ontario, officiellement appelée Public Sector Salary Disclosure (divulgation des salaires du secteur public), est une liste annuelle publiée par le gouvernement de l’Ontario, conformément à la Public Sector Salary Disclosure Act de 1996. Elle recense les employés du secteur public et des organisations financées par la province qui gagnent un salaire de 100 000 $ ou plus par an. Cette initiative vise à promouvoir la transparence et la responsabilité dans l’utilisation des fonds publics. Nous pouvons utiliser cette base de données pour tester des requêtes OLAP.
Avant de procéder, assurez-vous d'installer Python 3.7 ou une version ultérieure sur votre machine.
-
Pour Windows :
- Téléchargez l'installateur depuis https://www.python.org/downloads/windows/
- Lancez l'installateur et cochez l'option "Add Python to PATH" avant de cliquer sur "Install Now".
- Ouvrez l'invite de commandes :
- Cliquez sur le menu Démarrer (icône Windows en bas à gauche), tapez "Invite de commandes" ou "cmd", puis cliquez sur l'application correspondante.
- Vérifiez l'installation en tapant :
ou
python --versionpython3 --version
-
Pour macOS :
- Ouvrez le Terminal.
- Installez Homebrew si ce n'est pas déjà fait :
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" - Installez Python 3 avec Homebrew :
brew install python - Vérifiez l'installation :
python3 --version
Le nom de l'interpréteur Python sur votre système peut être python ou python3 selon votre système.
Pour obtenir les fichiers du projet, vous pouvez télécharger une archive ZIP depuis GitHub :
- Rendez-vous sur la page du projet : https://github.com/lemire/olap_demo
- Cliquez sur le bouton vert « Code » puis sur « Download ZIP ».
- Décompressez l’archive téléchargée sur votre ordinateur.
- Ouvrez le dossier extrait dans votre terminal ou explorateur de fichiers pour suivre les instructions d’installation ci-dessus.
Placez-vous dans le répartoire principal du projet. La commande
python3 python/create.py data/tbs-pssd-compendium-salary-disclosed-2024-en-utf-8-2025-03-26.csv database.binou
python python/create.py data/tbs-pssd-compendium-salary-disclosed-2024-en-utf-8-2025-03-26.csv database.bindevrait créer une base de données "database.bin" normalisée.
La base de données est conçue pour gérer les informations des employés du secteur public, en se concentrant sur leurs employeurs, leurs données personnelles et leurs rémunérations annuelles. Elle comprend quatre tables principales : employers, individuals, salaries et une table système sqlite_sequence. La table employers stocke les informations sur les employeurs, avec un identifiant unique (employer_id), le nom de l'employeur (employer_name) et son secteur d'activité (sector), garantissant l'unicité de la combinaison nom-secteur. La table individuals recense les employés avec un identifiant unique (individual_id), leur nom de famille (last_name), prénom (first_name) et titre de poste (job_title), avec une contrainte d'unicité sur ces trois champs pour éviter les doublons. Des index sont définis sur individuals.last_name, salaries.employer_id et salaries.individual_id pour optimiser les requêtes.
La table salaries est le cœur de la base, reliant les employeurs et les employés via leurs identifiants (employer_id et individual_id) pour enregistrer les salaires (salary), avantages (benefits) et l'année (year). Une clé primaire composite sur employer_id, individual_id et year assure l'unicité des enregistrements annuels. Les clés étrangères établissent des relations avec les tables employers et individuals, garantissant l'intégrité référentielle. La table sqlite_sequence est utilisée par SQLite pour gérer les séquences des clés primaires auto-incrémentées. Ce schéma normalisé permet des requêtes efficaces sur les données salariales tout en maintenant une structure claire et cohérente.
- employer_id : INTEGER, clé primaire, auto-incrémenté
- employer_name : TEXT, nom de l'employeur, non nul
- sector : TEXT, secteur d'activité, non nul
- Contrainte : UNIQUE(employer_name, sector)
- name : TEXT, nom de la table
- seq : INTEGER, valeur de la séquence
- Description : Gère les séquences pour les clés primaires auto-incrémentées
- individual_id : INTEGER, clé primaire, auto-incrémenté
- last_name : TEXT, nom de famille, non nul
- first_name : TEXT, prénom, non nul
- job_title : TEXT, titre de poste, non nul
- Contrainte : UNIQUE(last_name, first_name, job_title)
- Index : idx_individuals_last_name ON last_name
- employer_id : INTEGER, clé étrangère référençant employers(employer_id)
- individual_id : INTEGER, clé étrangère référençant individuals(individual_id)
- year : INTEGER, année, non nul
- salary : REAL, salaire, non nul
- benefits : REAL, avantages, non nul
- Clé primaire : (employer_id, individual_id, year)
- Index : idx_salaries_employer_id ON employer_id
- Index : idx_salaries_individual_id ON individual_id
Lancez les requêtes avec la commande
python3 python/olap.py database.binou
python python/olap.py database.bin
python3 python/olap.py database.bin
Roll-up (moyenne des salaires par secteur et année):
Secteur | Année | Salaire moyen
-------------------------------------------------------------------------------------
Colleges | 2024 | 127213.46445178571
Crown Agencies | 2024 | 134380.20016608812
Government of Ontario - Judiciary | 2024 | 252989.33872592592
Government of Ontario - Legislative Assembly and Offices | 2024 | 142334.92651771958
Government of Ontario - Ministries | 2024 | 130698.8821660054
Hospitals & Boards of Public Health | 2024 | 125066.36676918289
Municipalities & Services | 2024 | 129788.75211054421
Ontario Power Generation | 2024 | 167894.5876068959
Other Public Sector Employers | 2024 | 133772.4451449602
School Boards | 2024 | 127747.39465499842
Seconded (Attorney General)* | 2024 | 184807.78
Seconded (Children, Community and Social Services)* | 2024 | 132979.16999999998
Seconded (Citizenship and Multiculturalism)* | 2024 | 129375.29999999999
Seconded (Education)* | 2024 | 140793.70596774193
Seconded (Health)* | 2024 | 351025.75666666665
Seconded (Natural Resources and Forestry)* | 2024 | 124451.66666666667
Seconded (Solicitor General)* | 2024 | 134213.20249999998
Seconded (Tourism, Culture and Sport)* | 2024 | 164468.33333333334
Universities | 2024 | 162657.09051503617
Drill-down (moyenne des salaires par employeur dans le secteur Universities):
Employeur | Année | Salaire moyen
-------------------------------------------------------------------------
Algoma University | 2024 | 145674.2580110497
Brescia University College | 2024 | 120538.5
Brock University | 2024 | 170945.3414164306
Carleton University | 2024 | 155391.6969314542
Huron University College | 2024 | 138808.13626506025
King’s University College | 2024 | 150696.33846715328
Lakehead University | 2024 | 151953.95012254902
Laurentian University Of Sudbury | 2024 | 147515.09188356163
McMaster Divinity College | 2024 | 148712.6
McMaster University | 2024 | 165949.82228272827
Nipissing University | 2024 | 148424.1335151515
Northern Ontario School Of Medicine | 2024 | 149445.73
Ontario College Of Art And Design University | 2024 | 127792.44913636363
Ontario Tech University | 2024 | 156153.29437037036
Queen’s University | 2024 | 172498.18844745762
Saint Paul University | 2024 | 125496.5334375
St. Jerome’s University | 2024 | 167832.72282051283
St. Peter’s Seminary | 2024 | 130812.41400000002
Toronto Metropolitan University | 2024 | 163716.77177260982
Trent University | 2024 | 152701.80087167068
Trinity College | 2024 | 140294.0521875
Universite De L’Ontario Francais | 2024 | 142631.14
University Of Guelph | 2024 | 157305.93032036614
University Of Ottawa | 2024 | 164561.53466131905
University Of St. Michael’s College | 2024 | 157171.36289473684
University Of Sudbury | 2024 | 171057.665
University Of Toronto | 2024 | 163159.43541618163
University Of Waterloo | 2024 | 163925.40419153677
University Of Western Ontario | 2024 | 164741.23444503738
University Of Windsor | 2024 | 152353.42114478117
Université De Hearst | 2024 | 133438.21476190476
Victoria University | 2024 | 142360.26704225352
Wilfrid Laurier University | 2024 | 157465.20611601515
York University | 2024 | 173237.03144227221
Dice (salaires des employés avec 'software' dans le titre pour employeurs commençant par 'Ontario'):
Nom | Prénom | Employeur | Salaire
-----------------------------------------------------------------------------------------------------------
Aghababyan | Aleksandr | Ontario Health | 117423.12
Arab | Mahmood-Reza | Ontario Health | 104898.8
Arthur | John | Ontario Health | 105410.58
Bai | Sheng | Ontario Health | 127605.91
Balayan | Madhusudhan | Ontario Health | 105410.57
Batista Freijanes | Alejandro | Ontario Health | 120548.05
Bedi | Deep Singh | Ontario Health | 114571.47
Blaga | Lucian | Ontario Health | 104423.52
Bodean | Petrisor R | Ontario Health | 104387.11
Bordun | Sergiy | Ontario Health | 105410.55
Broytman | Dmitry | Ontario Educational Communications Authority (TV Ontario) | 101984.95
Bui | Duyen | Ontario Health | 107613.15
Cacenco | Vladimir M | Ontario Health | 121866.92
Cerelli | Nancy | Ontario Educational Communications Authority (TV Ontario) | 106446.4
Chau | David W | Ontario Health | 120589.69
Chau | Johnson | Ontario Health | 108688.7
Chawla | Kartik | Ontario Health | 104387.13
Chen | Hui | Ontario Health | 119960.03
Cheng | Manchung | Ontario Health | 106864.76
Cong | Peijun | Ontario Health | 128683.8
Dasanayaka | Sandaruwan | Ontario Health | 104898.88
Dehghani | Daryoosh | Ontario Health | 107457.34
Deneweth | Glenn | Ontario Health atHome | 120068.42
Dinesan | Priya | Ontario Health | 107749.48
Durson | Indra | Ontario Health | 124474.92
El-Hallak | Walid | Ontario Health | 122811.21
Ferguson | Brandon A | Ontario Health | 105410.56
Fonseka | Chandima | Ontario Health | 116154.39
Fu | Bing | Ontario Health | 120589.65
Ghafouri | Behnam | Ontario Cannabis Retail Corporation | 131535.9
Goodine | Richard | Ontario Educational Communications Authority (TV Ontario) | 106387.31
Han | Hao Peter | Ontario Health | 121380.11
Haque | Syed Mairajul | Ontario Health | 104387.18
Hawkins | Jennifer | Ontario Health | 105849.64
He | Yubo | Ontario Health | 105410.55
Hloba | Yevhen | Ontario Health | 114532.48
Hoad | Christian | Ontario Educational Communications Authority (TV Ontario) | 106451.81
Hu | Xiaodong | Ontario Health | 110385.55
Huang | Jian | Ontario Health | 121224.79
Hudson | Warren | Ontario Health | 109612.07
Hui | Michael | Ontario Health | 140709.72
Jacobs | Leo | Ontario Cannabis Retail Corporation | 153583.31
Jing | Li | Ontario Health | 112857.61
Jose | Jane Elizabeth | Ontario Health | 104865.46
Joukova | Tatiana | Ontario Health | 133926.45
Kalambet | Igor | Ontario Health | 136751.38
Kanagasabapathy | Balakumar | Ontario Health | 100890.46
Kim | Hongwan | Ontario Health | 122800.38
Kim | Kwonil | Ontario Health | 126277.13
Kim | Sae-Il | Ontario Health | 127470.99
Kolhe | Pradnya | Ontario Health | 124778.55
Kulkarni | Hrishikesh | Ontario Lottery And Gaming Corporation | 157184.41
Kurian | Liza | Ontario Health | 104387.17
Lam | Kam Chuen | Ontario Health | 116905.44
Lee | Michelle | Ontario Educational Communications Authority (TV Ontario) | 110343.33
Lee | Simon | Ontario Health | 105410.54
Lennox | Keith | Ontario Educational Communications Authority (TV Ontario) | 104007.95
Li | Jie | Ontario Health | 108578.87
Lim | Reayen Ron | Ontario Health | 124464.49
Lin | Hai | Ontario Health | 106365.87
Lin | Shaole | Ontario Health | 120589.64
Liu | Gang | Ontario Health | 105410.61
Liu | Michael | Ontario Health | 105410.54
Liu | Xin | Ontario Health | 105410.54
Lou | Dong | Ontario Health | 104963.77
Ma | Chenghua | Ontario Health | 111141.78
Ma | Yuefei | Ontario Health | 120589.69
Maserrat | Abdol | Ontario Health | 130850.48
Mikesewala | Yasmin | Ontario Health | 105410.58
Nanushi | Valentina | Ontario Health | 147829.93
Naseer | Muhammad | Ontario Health | 120589.66
Niazmand | Najla | Ontario Health | 120636.89
Pala | Bharathi Alisha | Ontario Health | 106716.38
Park | Jeesun | Ontario Health | 120589.63
Parmar | Shailendrasinh | Ontario Health | 110163.2
Perera | Thenkuttige | Ontario Health | 106350.72
Qin | Bill | Ontario Health | 134632.4
Rygiel | Mateusz | Ontario Health | 122312.24
Sazonova | Lioudmila | Ontario Health | 105410.57
Scaletchi | Victor | Ontario Health | 121323.66
Sedighi | Amir | Ontario Health | 149957.12
Shaik | Nazia B | Ontario Educational Communications Authority (TV Ontario) | 103889.38
Shi | Hang | Ontario Health | 129335.48
Singh | Dalveer | Ontario Health | 104898.93
Sivarasathurai | Latheesan | Ontario Health | 121760.4
Stark | Corey | Ontario Health | 104898.87
Stewart | Ashley | Ontario Health | 150389.73
Sun | Wei | Ontario Health | 120589.63
Sun | Zhu Wen | Ontario Health | 105410.56
Syal | Ashish | Ontario Health | 104898.81
Taylor | Shirley | Ontario Health | 111692.55
Tran | Chi-Lea | Ontario Educational Communications Authority (TV Ontario) | 105681.06
Waita | Naomi | Ontario Health | 104898.77
Wang | Jason | Ontario Health | 106904.68
Wang | Shanshan | Ontario Health | 140274.88
Wang | Xiaomei | Ontario Health | 124858.21
Wang | Yongzhong | Ontario Health | 109278.06
Wen | Xinhua | Ontario Health | 124876.97
Wiszniewski | Sebastian | Ontario Health | 127770.24
Xie | Ting | Ontario Health | 113578.95
Xu | Cong | Ontario Health | 119418.86
Xu | Hai Yan | Ontario Cannabis Retail Corporation | 139524.89
Yamada | Joseph | Ontario Health | 129529.55
Yep | Daniel | Ontario Health | 106916.16
Yi | Jun | Ontario Health | 106528.55
Zhang | Linhan | Ontario Health | 104387.14
Zhang | Zhen | Ontario Health | 128492.4
Zhou | Gang | Ontario Health | 121801.65
Zhou | Jianzhou | Ontario Cannabis Retail Corporation | 127958.97
Zhou | Ye | Ontario Health | 104898.83
Zuo | Rui Song | Ontario Health | 119418.87
Slice (moyenne des salaires par année pour Pay Equity Commission):
Année | Salaire moyen
-------------------------
2024 | 137576.0246153846
Voici les explications des requêtes OLAP utilisées dans le fichier python/olap.py :
SELECT e.sector, s.year, AVG(s.salary) as average_salary
FROM salaries s
JOIN employers e ON s.employer_id = e.employer_id
GROUP BY e.sector, s.yearCette requête calcule le salaire moyen par secteur et par année. Elle regroupe les salaires selon le secteur d'activité de l'employeur et l'année, permettant d'obtenir une vue agrégée des rémunérations par secteur public.
SELECT e.employer_name, s.year, AVG(s.salary) as average_salary
FROM salaries s
JOIN employers e ON s.employer_id = e.employer_id
WHERE e.sector = 'Universities'
GROUP BY e.employer_name, s.yearCette requête affine l'analyse en calculant le salaire moyen par employeur et par année, mais uniquement pour le secteur "Universities". Elle permet d'identifier les employeurs les plus rémunérateurs dans ce secteur spécifique.
SELECT i.last_name, i.first_name, e.employer_name, s.salary
FROM salaries s
JOIN individuals i ON s.individual_id = i.individual_id
JOIN employers e ON s.employer_id = e.employer_id
WHERE e.employer_name LIKE 'Ontario%' AND i.job_title LIKE '%software%'Cette requête extrait les salaires des employés dont le titre de poste contient "software" et dont l'employeur commence par "Ontario". Elle permet de cibler un sous-ensemble précis de la base pour des analyses ciblées.
SELECT s.year, AVG(s.salary) as average_salary
FROM salaries s
JOIN employers e ON s.employer_id = e.employer_id
WHERE e.employer_name = 'Pay Equity Commission'
GROUP BY s.yearCette requête calcule le salaire moyen par année pour l’employeur "Pay Equity Commission". Elle réduit la dimensionnalité en se concentrant sur un employeur précis, permettant de suivre l’évolution des salaires dans cette organisation au fil des années.