La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

DESARROLLO DE CUBOS OLAP Expositores: Cabrel Vargas, Luis Daniel (Seminar Microsoft) Trujillo Vargas, Cesar Eduardo.

Presentaciones similares


Presentación del tema: "DESARROLLO DE CUBOS OLAP Expositores: Cabrel Vargas, Luis Daniel (Seminar Microsoft) Trujillo Vargas, Cesar Eduardo."— Transcripción de la presentación:

1 DESARROLLO DE CUBOS OLAP Expositores: Cabrel Vargas, Luis Daniel (Seminar Microsoft) Trujillo Vargas, Cesar Eduardo

2 Agenda: Conceptos Basicos Conceptos Basicos Modelo Multidimensional Modelo Multidimensional Cubos OLAP Cubos OLAP Ejemplos Ejemplos

3 Conceptos Básicos DataWareHouse: DataWareHouse: El DWH es una colección de datos integrada en una Base de Datos, orientada según un tema, diseñadas para soportar un Sistema de Soporte a las Decisiones (DSS), donde cada unidad de dato es relevante en algún momento del tiempo. El DWH es una colección de datos integrada en una Base de Datos, orientada según un tema, diseñadas para soportar un Sistema de Soporte a las Decisiones (DSS), donde cada unidad de dato es relevante en algún momento del tiempo. Un DWH es una copia de Data Transaccional, específicamente diseñada para realizar quieres y análisis.

4 Conceptos Basicos Ventajas de DataWareHouse: - No duplica esfuerzos. - No necesita el soporte a muchas herramientas y tecnologías. - No hay diferencia en el significado y la representación de los datos. - No hay conflictos con los sistemas de producción. - No hay confusión de algoritmos. - No se tiene restricciones de drill - down.

5 Conceptos Básicos Características de DWH: Características de DWH: - Son creadas específicamente para dar soporte a las decisiones - La información es extraída desde los sistemas originales, transformada e integrada - La estructura del DWH es simplificada y en términos comunes del negocio, haciéndola más fácil de usar y entender - Contiene información basada en el tiempo

6 Conceptos Basicos Propiedades del DataWareHouse Es una Colección de Datos: - Orientado a Objetos. - Integrada. - Variante en el Tiempo. - No Volátil.

7 Conceptos Basicos Propiedades de DWH: Propiedades de DWH: Orientada a un tema Integrada Variante en el tiempo No Volátil Data Warehouse

8 Conceptos Basicos La data es categorizada y almacenada por áreas de negocio en lugar de aplicaciones. Orientado a un Tema Aplicaciones OLTP Información Financiera del Cliente Tema del Data Warehouse Planes de equidad Acciones Seguros Prestamos Ahorros

9 Conceptos Basicos Integrada Data WarehouseAplicaciones OLTP La data es definida como única. Ahorros Cuenta Corriente Prestamos Cliente

10 Conceptos Básicos Variante en el tiempo 01/97 02/97 03/97 Enero Febrero Marzo Data Warehouse Time Data La data es almacenada como serie de fotos asociadas al tiempo. 1997

11 Conceptos Basicos No-volátil La data en el DW típicamente No cambia. Warehouse Read Insert Read Update Delete Load Operacional

12 Conceptos Basicos OLAP: OLAP: Proceso Analítico en Línea, describe la tecnología asociada al acceso y análisis de datos en línea, es el nombre formal para el análisis de cubos multidimensionales. Sinónimo de base de datos multidimensional, mediante los cuales se provee una tecnología de Calculo. OLTP: OLTP: Son operaciones transaccionales Las aplicaciones de OLTP están organizadas para ejecutar las transacciones para los cuales fueron hechos, como por ejemplo: mover dinero entre cuentas, un cargo o abono, una devolución de inventario, etc. Son Operaciones Diarias que se realizan. Modelo Dimensional Modelo Dimensional Es una técnica de diseño Está compuesto de: Una tabla con una llave primaria compuesta llamada tabla de hechos o fact table Un conjunto de tablas pequeñas llamadas tablas dimensión

13 Modelo Multidimensional Diferencia entre Base de datos Relacional y Multidimensional Diferencia entre Base de datos Relacional y Multidimensional La Base de Datos Relacional, la cual contiene información organizada en campos. Ejemplo:

14 Modelo Multidimensional En el siguiente ejemplo se tienen las ventas de cada producto Por región. Una compañía tiene 3 productos, q se venden en 3 territorios. Para representar esta tabla en una forma mas optima es a través de una matriz de dos dimensiones como lo muestra el diagrama a continuación:

15 CUBOS OLAP Proceso Analítico en Línea. Proceso Analítico en Línea. Son una Tecnología superior para las Aplicaciones de Bussiness Intelligence. Provee a los Usuarios la habilidad de realizar análisis dinámicos de datos, a partir de un DW. Brindan a los Responsables de la toma de decisiones en las organizaciones, el potencial de mejorar su comprensión del negocio y los cambios q lo afectan. Los Cubos OLAP son una estructura de datos multidimensional. Los cuales se definen mediante un conjunto de dimensiones y medidas. Una dimensión es una clasificación de alguna actividad en una organización por la cual se puede medir su éxito. Por ejemplo, puede monitorear sus ventas contra los productos o clientes en un periodo de tiempo.

16 CUBOS OLAP Hay dos clases de dimensiones que se pueden utilizar, dimensiones regulares y dimensión de medida: Dimensiones regulares: son aquellos datos que se quieren medir, por ejemplo, si desea seguir el control de sus ventas, puede utilizar: - Clientes -Producto -Tiempo Dimensión de medida: son los números que aparecen en el análisis dependiendo de los elementos seleccionados en las dimensiones regulares. Por ejemplo, en un cubo de ventas, podriamos escoger ver las ventas, el número de articulos vendidos, ganancia, costo, etc.

17 CUBOS OLAP Hay dos operaciones básicas que se pueden realizar en un cubo OLAP: Rotar y Rebanar: es aventar el cubo como si fuera un dado para obtener una nueva cara del cubo. Taladrar o Drilling: Los datos de las dimensiones se pueden abrir para obtener mas detalle. Una especie de taladro que se hunde mas en la información.

18 CUBOS OLAP Tipos de almacenamiento: Tipos de almacenamiento: MOLAP.- Multidimensional OLAP. ROLAP.- Relacional OLAP HOLAP.- OLAP híbrido.

19 MOLAP Usuario Final Warehouse Query Data MDDB Carga periódica

20 ROLAP Usuario Final Warehouse Data cache Live fetch Cache Query Data

21 HOLAP Usuario Final Trae al cache MDDB y cache carga periódica Query Data Warehouse

22 Q4 Periodo Q1Q2Q3 Producto Uvas Manzanas Melones Cerezas Peras Ubicacion Lima Ica Arequipa Desarrollo de un Cubo OLAP Sales Ventas

23 DEMOS

24 GRACIAS Correos: Correos:


Descargar ppt "DESARROLLO DE CUBOS OLAP Expositores: Cabrel Vargas, Luis Daniel (Seminar Microsoft) Trujillo Vargas, Cesar Eduardo."

Presentaciones similares


Anuncios Google