Vanessa Cobis - Gledys Sulbarán Caracas, 14 de Abril de 2009.

Slides:



Advertisements
Presentaciones similares
Procesamiento y Análisis en Línea OLAP
Advertisements

Segmentación, Definición de Público Objetivo y Posicionamiento
Cubos de Información Son subconjuntos de datos de un almacén de datos, organizado y sumarizado dentro de una estructura multidimensional. Los datos se.
© Dr. Iván E. Calimano Formas, usos, etc.
Enero 28, 2009 Módulo de Inteligencia de Negocios.
Bases De Datos Para El Soporte En La Toma De Decisiones
DATA MART Sergio Daniel.
Relaciones entre minería de datos, bodegas de datos y OLAP
TALLER DE COMPETENCIAS VITRO
ORACLE OLAP Integrantes: *Aizaga, Martiniano *Gallegos, Marina
U I B 12/05/1999 Datawarehouse 1. U I B 12/05/1999 Datawarehouse 2 Conceptos Datawarehouse Datawarehouse: Repositorio completo de datos de la empresa,
DATA WAREHOUSE Presentador Por: Andrés Fabián Cortes Solano.
Universidad Nacional Autónoma de Honduras
CONSTRUCCIÓN DE BODEGAS DE DATOS
“8 Principios de la Gestión Administrativa”
DESARROLLO DE CUBOS OLAP
Capítulo: 9 Inventarios.
Director: Ing. Washington Pérez Codirector: Ing. Andrés de la Torre
Informe caso de estudio Implementación de un Datawarehouse
Jesús Angel Ovando División de Estudios de Posgrado Instituto Tecnológico de Orizaba.
Base de Datos Relacional.
On Line Analytical Processing
1.1.2 Sistemas de información para la gestión y para la ayuda en la toma de decisiones. Los SI contribuyen activamente a la consecución de los objetivos.
Nacional Financiera, tu brazo derecho.. Objetivo Cronología Flujo de la Información Estadísticas Front-End Factores críticos de éxito Ventajas y Beneficios.
DATA WAREHOUSE Joseba Gil Noelia Suaña. ÍNDICE 1. Introducción. 2. ¿Qué es Data Warehouse? 3. Arquitectura. 4. Ventajas/Inconvenientes.
Introducción a los Conceptos de Bases de Datos Docente: Ing. Marleny Soria Medina.
1 Propuesta de Plataforma Tecnológica Sistema Nacional de Indicadores Universidad Veracruzana.
INTELIGENCIA DE NEGOCIOS

Bases de Datos II OLAP Online Analytical Processing
DATA MART Los data warehouses están hechos para proporcionar una fuente de datos única para todas las actividades de apoyo para la toma de decisiones.
DATA WAREHOUSE PROFESOR: LORENZO DE JESUS ORGANISTA OLIVEROS TABD
Viviana Poblete López Módulo: Modelo de Datos
Implementación de Datawarehouse
DATA WAREHOUSE Equipo 9.
DATA WAREHOUSE PREPARADO POR : María Alejandra Franco Lina María Arias.
Página 1 20/03/2005 Materia: Tecnología de la Información Curso: Profesora Ariana Rosenthal Tecnología de la Información Profesora Ariana Rosenthal Administración.
Juanita Flores Rodríguez Ana Vianey Ferreyra Díaz
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
Especialista en Business Intelligence Conceptos fundamentales Microsoft SQL Server 2008 R2 Suscribase a o escríbanos a
OBTENER CONOCIMIENTO Conocimiento Minería Bodega de Datos ETL
Introducción a Pentaho BI Suite 3.5
CICLO DE VIDA Y NORMAALIZACION DE UN SISTEMA DE BASE DE DATOS
Taller de Base de Datos Procesamiento Analítico en Línea ¿Qué es OLAP? Imaginemos el siguiente escenario: Una cadena de supermercados posee una (o varias)
Nuevos Productos Macro Pro ofrece varias soluciones complementarias para cumplir con los objetivos de control y análisis de información de nuestros clientes.
PROYECTO EMPRESARIAL Clase # 1.
1 Prof:Paula Quitral INTRODUCCIÓN DATAWAREHOUSE Departamento de Informática Universidad de Rancagua.
Business Intelligence. ¿Por qué Business Intelligence?  a capacidad para tomar decisiones de negocio precisas y de forma rápida se ha convertido en una.
Diseño de un data warehouse
DATA WAREHOUSE.
 La capacidad para tomar decisiones de negocio precisas y de forma rápida se ha convertido en una de las claves para que una empresa llegue al éxito.
ORACLE OLAP CAECE Integrantes: *Aizaga, Martiniano *Gallegos, Marina *Kleinlein, Guillermo *Schiano di Cola, Emiliano.
Business Intelligence. ¿Por qué Business Intelligence? La capacidad para tomar decisiones de negocio precisas y de forma rápida se ha convertido en una.
Johandra Gastier David De Freitas
Business Intelligence. ¿Por qué Business Intelligence? La capacidad para tomar decisiones de negocio precisas y de forma rápida se ha convertido en una.
Por: Alisandro Montoya Alejandro Chacón Darwin Martínez.
 La capacidad para tomar decisiones de negocio precisas y de forma rápida se ha convertido en una de las claves para que una empresa llegue al éxito.
Introducción al Data Warehouse
SISTEMA EMPRESARIAL CRM Y ERP
Taller de Business Intelligence Conceptos Introductorios a BI
BUSINESS INTELIGENCE. ¿P OR QUÉ B USINESS I NTELLIGENCE ?  La capacidad para tomar decisiones de negocio precisas y de forma rápida se ha convertido.
DATA WAREHOUSE.
SOLUCIONES EMPRESARIALES
Bases de Datos y Sistemas de Gestión de Bases Relacionales.
Business Intelligence 2013 (Conceptos Generales) Microsoft SQL Server 2008 R2 Suscribase a o escríbanos a
María Trinidad Serna Encinas
Ing. Ernesto Sierraalta Fundamentos de Desarrollo de Proyectos de Inteligencia de Negocios ( Decision Support Systems & Data Warehousing.
Almacén de Datos MC BEATRIZ BELTRÁN MARTÍNEZ. Primavera 2016 MC BEATRIZ BELTRÁN MARTÍNEZ 33 Definición Colección de datos orientada a un dominio, integrado,
TECNOLOGIAS DE LA INFORMACION EN LAS ORGANIZACIONES
Es el proceso mediante el cual quienes toman decisiones en una organización obtienen, procesan y analizan información pertinente, interna y externa,
Transcripción de la presentación:

Vanessa Cobis - Gledys Sulbarán Caracas, 14 de Abril de 2009

Vanessa Cobis- Gledys Sulbarán A GENDA Introducción Conceptos Básicos Características de un Data Warehouse Arquitectura de un DW Los objetivos fundamentales de un Data Warehouse Beneficios e Inconvenientes de un DW Las razones para que una organización implemente un DW Formas de modelar un DW Base de datos Vs Datawarehouse Caso de estudio: Pentaho Conclusión 2/30

I NTRODUCCIÓN 3/30 Las organizaciones tienen un insaciable apetito de datos, pero frecuentemente les faltan las enzimas necesarias para digerirlos Neil Raden Una organización puede ser rica en datos y pobre en información, sino sabe como identificar, resumir y categorizar los datos. MADNICK, 1993 Vanessa Cobis - Gledys Sulbarán

C ONCEPTOS B ÁSICOS 4/30 Conjunto de datos integrados orientados a materia que varían con el tiempo y que no son transitorios, los cuales soportan el proceso de toma de decisiones de una administración. Bill Inmon Consiste en el manejo de las herramientas que permiten a los altos directivos acceder a la información que ellos necesitan para tomar decisiones dentro de su institución. Estos sistemas transforman los datos en información de fácil y accesible formato, y la distribuyen donde es necesaria para la toma de decisiones Hartman Una colección de datos orientados a los asuntos del negocio, íntegros, variables en el tiempo y no volátiles para el soporte del proceso de toma de decisiones de los altos directivos Collins Vanessa Cobis - Gledys Sulbarán

C ONCEPTOS RELACIONADOS A DATA WAREHOUSE Data Marts: Es un subconjunto del Data Warehouse, usado normalmente para el análisis parcial de los datos. Ej: El Data Mart de los datos del departamento ventas y el Data Mart de Inventarios. Data Mining: Es el descubrimiento de conocimiento oculto en las bases de datos. Relaciones entre estos y tendencias que permiten una toma de decisiones acertada. OLTP (Online Transaction Proccesing): Se les llama así a las aplicaciones orientadas principalmente a la inserción, actualización y eliminación de datos, diseñada casi siempre usando el modelo Relacional. Estos sistemas están optimizados para realizar estas operaciones en un tiempo corto. OLAP (Online Analitical Proccesing): Son los sistemas que se usan para analizar los datos que las OLTP introducen en la Base de Datos. 5/30

Vanessa Cobis - Gledys Sulbarán Cubos de información: Un cubo OLAP contendrá datos de una determinada variable que se desea analizar. Dimensiones: Las dimensiones de un cubo son atributos relativos a las variables, son las perspectivas de análisis de las variables (forman parte de la tabla de dimensiones), como por ejemplo: descripciones, nombres, zonas, rangos de tiempo, etc. Variables: También llamadas indicadores de gestión, son los datos que están siendo analizados. Hecho: Llamamos evento o Hecho a una operación que se realiza en el negocio en un tiempo determinado. Medida: Una Medida es una propiedad de un Hecho (casi siempre numérica), que es usada para su análisis. 6/30

Dayslin Carmona - Gledys Sulbarán Ejemplos de variables podrían ser: Beneficios Gastos Ventas Ejemplos de dimensiones podrían ser: producto (diferentes tipos o denominaciones de productos) localidades (o provincia, o regiones, o zonas geográficas) tiempo (medido de diferentes maneras, por horas, por días, por meses, por años,...) tipo de cliente (casado/soltero, joven/adulto/anciano) Según lo anterior, podríamos construir un cubo de información sobre el indice de ventas (variable a estudiar) en función del producto vendido, la provincia, el mes del año y si el cliente está casado o soltero (dimensiones). Tendríamos un cubo de 4 dimensiones. 7/30

C ARACTERÍSTICAS DE UN DW 8/30 Almacenes de Datos Colección de datos diseñada para dar apoyo a los procesos de toma de decisiones orientada hacia la información relevante de la organización integrada variable en el tiempo no volátil características definición Vanessa Cobis - Gledys Sulbarán

C ARACTERÍSTICAS DE UN DW 9/30 Orientado a temas: La información se clasifica en base a los aspectos que son de interés para la empresa. Información Necesaria PRODUCTO... GAMA... VENTA... PAÍS... Base de Datos Transaccional CURSO... REUNION... PROTOTIPO... AD: Orientado hacia la información relevante de la organización se diseña para consultar eficientemente información relativa a las actividades (ventas, compras, producción,...) básicas de la organización, no para soportar los procesos que se realizan en ella (gestión de pedidos, facturación, etc). Vanessa Cobis - Gledys Sulbarán

C ARACTERÍSTICAS DE UN DW 10/30 Integrado: Se construye mediante de fuentes de datos múltiples y heterogéneas. Por ejemplo de Bases de Datos relacionales, ficheros planos, registros de transacciones on-line, etc. Vanessa Cobis - Gledys Sulbarán

C ARACTERÍSTICAS DE UN DW 11/30 No Volátil: La información no se modifica ni se elimina, una vez almacenado un dato, éste se convierte en información de sólo lectura, y se mantiene para futuras consultas. Los datos almacenados no son actualizados, sólo son incrementados. Las actualizaciones de la base de datos operacional no ocurren en el entorno del datawarehouse, no se requieren mecanismos de control de la concurrencia y recuperación. Se requieren dos operaciones nada más: Carga inicial de los datos y acceso a datos. READ Carga INSERT READ UPDATE DELETE Bases de datos operacionales Vanessa Cobis - Gledys Sulbarán

C ARACTERÍSTICAS DE UN DW 12/30 Variante en el Tiempo: Los cambios producidos a lo largo del tiempo quedan registrados para que los informes que se puedan generar reflejen esas variaciones. Los datos son relativos a un periodo de tiempo (semestre, año, etc) y deben ser incrementados periódicamente. DatosTiempo 01/ / /2003 Datos de Enero Datos de Febrero Datos de Marzo Los datos son almacenados como fotos (snapshots) correspondientes a periodos de tiempo. Vanessa Cobis - Gledys Sulbarán

A RQUITECTURA DE UN DW 13/30 La Arquitectura de un DW viene determinada por su situación central como fuente de información para las herramientas de análisis. La intención de un DW es proveer soluciones a una organización en el proceso de toma de decisiones, y se logra con el uso de diferentes componentes. Vanessa Cobis - Gledys Sulbarán

A RQUITECTURA DE UN DW 14/30 Componentes: o Sistema ETL ( Extraction, Transformation, Load ): realiza las funciones de extracción de las fuentes de datos (transaccionales o externas), transformación (limpieza, consolidación,...) y la carga del DW o Repositorio Propio de Datos : información relevante, metadatos. o Interfaces y Gestores de Consulta: permiten acceder a los datos y sobre ellos se conectan herramientas más sofisticadas (OLAP, EIS, minería de datos). o Sistemas de Integridad y Seguridad: se encargan de un mantenimiento global, copias de seguridad,... Vanessa Cobis - Gledys Sulbarán

L OS OBJETIVOS DE UN D ATAWAREHOUSE 15/30 Un Acceso Fácil y Flexible a la Información. Hacer que la información de la organización sea consistente. Información adaptable y elástica. Protege los valores de la información. Un soporte para el proceso de toma de decisiones gerenciales. Soportar Necesidades Cambiantes de Negocio Mejorar la Productividad de las Empresas. Asegurar Calidad y Eficiencia en las Decisiones que se toman dentro de las Organizaciones. Vanessa Cobis - Gledys Sulbarán

B ENEFICIOS E I NCONVENIENTES DEL DW 16/30 Beneficios: Proporciona una herramienta para la toma de decisiones. Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor agregado para el negocio. Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios. Supone una optimización tecnológica, económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión favorable. Relación total con el cliente. Reaccionar rápidamente a cambios del mercado. Vanessa Cobis - Gledys Sulbarán

B ENEFICIOS E I NCONVENIENTES DEL DW 17/30 Inconvenientes: Gran inversión que supone este tipo de proyectos. La tecnología no se encuentra del todo madura. Los costos de mantenimiento son elevados. D eterminar qué funcionalidades del Sistema Operativo se pueden aprovechar y cuáles se deben implementar en el DW, resultaría costoso implementar operaciones no necesarias o dejar de implementar alguna que sí vaya a necesitarse. Vanessa Cobis - Gledys Sulbarán

¿P OR QUÉ USAR UN D ATAWAREHOUSE ? 18/30 Para planear mejor y más rápido las conductas y actividades a seguir. Ayuda a la alta dirección de la organización a comprender el valor de la información recogida, mejorando la toma de decisiones. Para hacer las consultas y reportes básicamente más fácil ya que los datos son almacenados solamente para el propósito de hacer consultas y reportes. Vanessa Cobis - Gledys Sulbarán

F ORMAS DE M ODELAR D ATA W AREHOUSE ROLAP: Tipos de Diseño 19/30 Esquema en estrella: si la jerarquía de dimensiones es lineal Esquema relacional adaptado a la representación de datos multidimensionales. Se basa en una serie de tablas que representan dimensiones unidas mediante claves ajenas, a una principal que actúa como nexo y almacena datos agregados y precalculados. (Tablas no normalizadas) Esquema en copo de nieve: si la jerarquía no es lineal.

Vanessa Cobis - Gledys Sulbarán Ventajas del esquema estrella. Crea una base de datos con tiempos de respuesta rápido. Diseño fácil de modificar. Simula como ven los datos los usuarios finales. Simplifica la navegación. Facilita la interacción con herramientas. Problemas del esquema estrella Es ad hoc (Basado en intuición y no en principios). Difícil cambiar el esquema cuando se agregan nuevos tipos de datos o cambian las dependencias. Los esquemas estrellas son físicos y no lógicos. Las tablas Dimensión no están normalizadas por completo. 20/30

Vanessa Cobis - Gledys Sulbarán Esquema en copo de nieve: Variante del esquema de estrella que presenta las tablas de dimensión estructuradas a más de un nivel. (Tablas normalizadas) Constelación de estrellas: Varios esquemas en estrella y/o en copo de nieve que comparten dimensiones. 21/30

Vanessa Cobis - Gledys Sulbarán E SQUEMA EN COPO DE NIEVE (S NOW F LAKE S CHEMA ) 22/30 Clave Día Dia de la semana Mes Trimestre Año Fecha Clave Calle Clave de ciudad Localización Hechos: Ventas Clave_Product o Clave_Sucursal Clave_Localizac ión Unidades_Vendid as Pts_Vendidas Venta_Media Medida s Clave Nombre Marca Tipo Clave de suministro Producto Clave Nombre Tipo Sucursal Clave Tipo Proveedor Clave Ciudad Provincia País Ciudad Clave_Fecha

Vanessa Cobis - Gledys Sulbarán C ASO DE E STUDIO : PENTAHO Las soluciones de Pentaho están escritas en Java y tienen un ambiente de implementación también basado en Java. Eso hace que Pentaho es una solución muy flexible para cubrir una amplia gama de necesidades empresariales – tanto las típicas como las sofisticadas y especificas al negocio. Los módulos de la plataforma Pentaho BI son: Reporting Análisis Dashboards Data Mining Integración de Datos 23/30

Vanessa Cobis - Gledys Sulbarán 24/30

Vanessa Cobis - Gledys Sulbarán 25/30

Vanessa Cobis - Gledys Sulbarán 26/30

B ASE DE D ATOS V S D ATAWAREHOUSE 27/30 BDDatawarehouse Actualizaciones mayoritariamente Consultas principalmente Miles de usuarios (ej usuarios administrativos) Muchas transacciones pequeñas Consultas largas y complejas Mb - Gb de información Gb - Tb de información Instantáneas actuales Historia Cientos de usuarios (ej usuarios que toman decisiones) Vanessa Cobis - Gledys Sulbarán

C ONCLUSIÓN El datawarehouse pretende conseguir un objetivo básico : Proporcionar la información adecuada para la persona correcta en el tiempo preciso Campo formado a partir de la integración de diferentes tecnologías y experiencias. No resulta sencillo implantarlo. Ayudar a mejorar la productividad de la empresa, por medio de la conversión, transformación e integración de los datos operacionales de la misma. 28/30

Ralph Kimball, Margy Ross The Data Warehouse Toolkit The Complete Guide to Dimensional Modeling Second Edition. ib5084/INDEX.HTM ib5084/INDEX.HTM caciones/2001/tr0118-vp.pdf caciones/2001/tr0118-vp.pdf Vanessa Cobis - Gledys Sulbarán B IBLIOGRAFÍA 29/30

Vanessa Cobis - Gledys Sulbarán G RACIAS POR SU ATENCIÓN 30/30