No pierdas el tiempo, implementa Tablas Temporales en tu Data Warehouse Javier Loria JLoria@PrimusData.net Ronald Hanna Ronald@FullTechnology.com /in/JavierSQL.

Slides:



Advertisements
Presentaciones similares
DATA WAREHOUSE Presentador Por: Andrés Fabián Cortes Solano.
Advertisements

• SQL Server Integration Services SSIS
DESARROLLO DE CUBOS OLAP
Julio Pacheco SQL SERVER 2005 XML APRENDIENDO CON EJEMPLOS.
DATA WAREHOUSE Joseba Gil Noelia Suaña. ÍNDICE 1. Introducción. 2. ¿Qué es Data Warehouse? 3. Arquitectura. 4. Ventajas/Inconvenientes.
MySQL M.C. Pedro Bello López.
Bases de Datos Relacionales
Subconsultas Avanzadas
Implementación de Datawarehouse
UNITA - IBARRA TRIGGERS
SQL (Structured Query Language / Lenguaje de consulta estructurado)‏
CRM (CUSTOMER RELATIONSHIP MANAGEMENT) Y ERP (ENTERPRISE RESOURCE PLANNING)
ENTORNO TECNOLOGICO TEMARIO UNIVERSIDAD DEL VALLLE FACULTAD DE CIENCIAS DE LA ADMINISTRACION Federico Donneys González Docente Febrero 2011 Introducción.
INSTRUCCIONES Elaboración de la Presentación:
Introducción a Bases de Datos en Microsoft Access Programación de Computadoras 2 Sección: P.
LENGUAJE SQL.
Lenguaje Estructurado de Consulta
Universidad del Cauca – FIET – Departamento de Sistemas CAPITULO 0 Introducción.
SQL Lenguaje Estructurado de Consulta MATERIA: diseñar sistemas de información ALUMNO: sarmiento flores Liliana Guadalupe GRUPO: 4° “A” TURNO: matutino.
Gerencia de Procesos. Contenido Introducción.Palabras claves.¿Qué es Project Open?Principales características.Módulos.Conclusión.
BPM: MGEPS – ADyTI Grupo BarFer 2012 en prezi
MULTIPLAN Multiplan es la práctica en grupo que hemos tenido que realizar durante el curso según las especificaciones dadas en la asignatura.
Ing. Ernesto Sierraalta Fundamentos de Desarrollo de Proyectos de Inteligencia de Negocios ( Decision Support Systems & Data Warehousing.
6 Triggers ORACLE - II Bases de datos II I-2014 Universidad del Cauca Ing. Wilson Ortega Bases de datos II I-2014 Universidad del Cauca Ing. Wilson Ortega.
DML Transact SQL Sesión X Triggers. Duración 2 Horas.
6 Triggers ORACLE Bases de datos II I-2014 Universidad del Cauca Ing. Wilson Ortega Bases de datos II I-2014 Universidad del Cauca Ing. Wilson Ortega.
Your Name Line 1 of Your Affiliation Line 2 of Your Affiliation Marketing Relacional Soluciones Software Libre al Marketing Relacional Luís Hernando Valverde.
BIA100: Introducción a SSIS (SQL Server Integration Services) PRESENTADO POR: JUAN CARLOS MENA OSORIO.
Business Intelligence (Inteligencia de Negocios) Business Intelligence es la habilidad para transformar los datos en información, y la información en.
Customer Relationship Management - “CRM” Gestión de Relaciones con el Cliente “Como organizar a tus clientes de manera efectiva” Marzo 2012 Gustavo Tovar.
Maria F. Claudio Ortiz Principles of Information Systems.
¿Qué es un ERP? Sonia Villafuerte Domínguez Escuela Bancaria y Comercial Mercadotecnia Electrónica.
Data Warehouse RONALD FERNANDO QUINTERO VEGA DIEGO ALEJANDRO VALENCIA RIVERA INTELIGENCIA DE NEGOCIOS CREAD-HONDA 2017.
Tipos de Sistemas de Información
Sistemas de Información para la Administración
Gestión de Operaciones
Lenguaje de manipulación de datos
SISTEMAS DE INFORMACION GERENCIAL
El punte entre tu y tu base de datos
Introducción a los Sistemas de Información
Escasa información antropométrica en Cuba
09 de mayo del 2016Pg. 1 ING. BERTHA MAZON, UNIDAD III: SOLUCIONES DE INTELIGENCIA DE NEGOCIOS.
DIAGRAMAS Una Poderosa Herramienta Gráfica para el Análisis e Interpretación de los Procesos.
Inteligencia de Negocios Business Intelligence (BI)
Idea y concepción del negocio
Técnicas y Herramientas de Computación
Un viaje en el tiempo Leonel Abreu
BASES DE DATOS.
Customer Relationship Management
SOFTWARE DE ADMINISTRACIÓN DE BASE DE DATOS Informática Aplicada Alumna; Francis Fabiola Fernández Pérez Catedrático: Ing. Milton Obed Enamorado Universidad.
UN DISPARADOR O TRIGGER es un procedimiento que se ejecuta cuando se cumple una condición establecida al realizar una operación. Es una rutina autónoma.
CARACTERIZACION LOGISTICA Consultoría Y Servicios Logísticos Por: Grupo 5 UNIVERSIDAD MANUELA BELTRAN Mayo 13 De 2013.
PROCESOS DE NEGOCIOS Y SISTEMAS DE INFORMACION
SISTEMAS DE INFORMACION
SQL Data Warehouse, casos de uso, escalabilidad, cargas de datos
Inteligencia de Negocios Business Intelligence (BI) Una herramienta para tomar decisiones.
DIAGRAMAS Una Poderosa Herramienta Gráfica para el Análisis e Interpretación de los Procesos.
Una Herramienta Gráfica para el Análisis e Interpretación de los Procesos.
REALIDAD PROBLEMATICA Estadística de quejas por un mal servicio al consumidor (indecopi-2014)
Obtención de la excelencia operacional e intimidad con el cliente:
Customer Relationship Management
Nuevas Características de SQL Server 2016
Unidad 1. Introducción a las Bases de Datos FUNDAMENTOS DE BASE DE DATOS.
Modificación de datos. Introducción Uso de transacciones Inserción de datos Eliminación de datos Actualización de datos Consideraciones acerca del rendimiento.
CC Bases de Datos Otoño Clase 5: El Cálculo Relacional + SQL (I)
Inteligencia de Negocios Business Intelligence (BI) Una herramienta para tomar decisiones.
Overview. ¿QUÉ ES UN ERP? Enterprise Resource Planning, es una aplicación informática que gestiona, de una forma.
DATA WAREHOUSE Joseba Gil Noelia Suaña. ÍNDICE 1. Introducción. 2. ¿Qué es Data Warehouse? 3. Arquitectura. 4. Ventajas/Inconvenientes.
CURSO: GERENCIA DEL TALENTO HUMANO Y COMPORTAMIENTO ORGANIZACIONAL DR. CARLOS ENRIQUE GUANILO PAREDES.
La Metodología Kimball, es una metodología empleada para la construcción de un almacén de datos (data warehouse, DW) que no es más que, una colección de.
Transcripción de la presentación:

No pierdas el tiempo, implementa Tablas Temporales en tu Data Warehouse Javier Loria JLoria@PrimusData.net Ronald Hanna Ronald@FullTechnology.com /in/JavierSQL @JavierSQL https://javiersql.wordpress.com https://www.facebook.com/JavierSQL/ http://www.fulltechnology.com

Organiza

Silver / Bronze Gold / Organizer Sponsors

Ronald Hanna Q., desde el 2006 Gerencio Proyectos de desarrollo e implementación de soluciones de inteligencia de negocios en la empresa FullTechnology. Soy certificado Microsoft en Inteligencia de negocios desde el 2013, y continúo día a día en conocimiento constante. Ofreciendo servicios en diferentes países, como: Panamá, EEUU, Ecuador, and Costa Rica. Ronald Hanna Q. * Mi experiencia y portafolio de servicios es reflejada en las diferentes compañías donde se ha enfocado nuestros proyectos en los diferentes campos, como : Finanzas, industrias, servicios, cadenas de restaurantes, farmacias, entre otras. Ronald Mi especialidad es implementar la mejor solución de inteligencia de negocios para su empresa. Implementar soluciones de BI es algo que me gusta, y no he podido de dejar, sigo implementando y trabajando en ello. Siempre hay nuevas cosas. Analizar y encontrar la mejor opción es un reto diario. Our Developers are certified in: Microsoft, ITIL, ISTQB, MICIT.

Javier Loria Mentor de Primus Data Arquitecto y Diseñador de Software Conferenciante y Blogger Javier Loria Pragmatico: El pragmatismo considera al pensamiento un instrumento o herramienta para la predicción, la resolución de problemas y la acción, y rechaza la idea de que la función del pensamiento es describir, representar o reflejar la realidad. Diseño Empatico: El fundamento del diseño empático es la observación y su objetivo de identificar las necesidades latentes del cliente para crear productos que los clientes ni siquiera saben que desean o, en algunos casos, soluciones que los clientes tienen dificultades para prever debido a la falta de familiaridad con las posibilidades que ofrecen las nuevas tecnologías o porque están encerrados en una vieja mentalidad. Agil:

¡Felicidad! El sabor de la cerveza puede desencadenar la liberación de dopamina en el cerebro. Causante de las sensaciones placenteras Ronald Ustedes se imaginan qué pasaría si el aprendizaje produjera los mismos efectos que la cerveza ? Seríamos los más inteligentes del siglo XXI. Neurotransmisor en el Sistema nervioso central, asociado de liberar placer y felicidad. Causante de las sensaciones placenteras  Los participantes en el estudio recibieron una cantidad muy pequeña de su cerveza preferida, 15 mililitros, durante un periodo de tiempo de 15 minutos, lo que les permitió probar la cerveza sin dar lugar a ningún nivel detectable de alcohol en sangre o efecto intoxicante. Mediante el uso de un compuesto en el escáner de emisión de positrones que se dirige a los receptores de dopamina en el cerebro, los expertos pudieron evaluar los niveles de dopamina que se producen después de que los participantes degustaron los líquidos. Además de los resultados de la exploración PET, los participantes reportaron un deseo creciente de cerveza tras la degustación, sin respuestas similares después de probar la bebida deportiva, a pesar de que muchos pensaban que Gatorade, en realidad, sabía mejor, resumió Brandon G. Oberlin, investigador postdoctoral y autor principal del artículo. Según investigadores de la Escuela de Medicina de la Universidad de Indiana, en Bloomington (Estados Unidos) http://www.abc.es/ciencia/20130418/abci-cerveza-felicidad-dopamina-respuesta-201304181647.html

Histórico Ronald No tenemos una cerveza, pero imaginémosla. Dejemos la pereza y el cansancio en el pasado, disfrutemos del conocimiento. Histórico

¡Trabajemos en lo que nos hace felices! Ronald Sintámonos feliz ahora. A mi me hace feliz esto, la tecnología, implementar proyectos de inteligencia de negocios. Me da un poco de nervio estar aquí con ustedes, pero disfruto estar aquí hablando, así que lo sigo haciendo. Qué les hace feliz a cada uno de ustedes ? Actual

Definiciones Así lo hacemos Tablas Temporales Conclusiones

Definiciones

Simplista: Ignorancia, Falta de Atención, Pereza, Decepción: Fácil para nosotros Simplicidad: conciencia, conocimiento, espiritu de ayuda, honestidad/sinceridad: Facil para ellos ¿Qué es Data Warehouse?

Data Warehouse Un almacén de datos es una colección de datos orientada a temas, integrada, variable en el tiempo, y no volátil que apoya el proceso de toma de decisiones de la administración. Definición de DW https://javiersql.wordpress.com/2017/10/02/inteligencia-de-negocios-definiciones-de-data-warehouse/ Data Warehouse

Proceso Data Warehouse Fuentes ETL Datamart ETL ERP CRM SCM SFA LOB etc Data Warehouse ETL Datamart ETL Datamart Stage ODS ETL ETL Datamart ERP: Enterprise Resource Planning CRM: Customer Relationship Management SCM: Supply Chain Management SFA: Sales Force Automation LOB: Line of Bussiness Others EL Data Lake Proceso Data Warehouse

Variante de tiempo

Así lo hacemos

Así lo hacemos Esquema de Data Warehouse Carga del DW Fuentes para cargar el DM BMW X3 Así lo hacemos

Diagrama

Esquema de Data Warehouse

Paquete de Carga-SSIS

Fuentes de los Datamart

Otras alternativas Implementación de triggers Tiempo de implementación y desarrollo Sujeto a errores Criterios no considerados Fotos o copia de la tabla ¿Considero todos los registros? ¿Qué filas cambiaron ? ¿Corrió el job? ¿Sigue funcionando? Ronald Otras alternativas

Tablas Temporales

INSERT-UPDATE-DELETE Consultas temporales AS OF FROM TO BETWEEN CONTAINED DML SELECT INSERT-UPDATE-DELETE DDL CREATE TABLE ALTER TABLE Sin cambios Nuevo enfoque Tablas Temporales Introducción https://javiersql.wordpress.com/2017/10/05/sql-server-introduccion-a-tablas-temporales/

Como funciona: DDL

Tabla Temporal (Datos actuales) Tabla histórica Cómo funciona: DDL

1 2 3 Crear Tabla Temporal

Agregar Temporalidad a Tabla Existente

Tablas Temporales: DML

Como funciona: DDL

Cómo funcionan? 2 1 Insert / Bulk Insert 2 Update / Delete Viejos Tabla Temporal (Datos actuales) Tabla histórica Viejos 2 1 Insert / Bulk Insert 2 Update / Delete Cómo funcionan?

INSERT SysStartTime: Inicio transacción en tiempo UTC. SysEndTime: 9999-12-31 23:59:59.9999999 UPDATE Copia fila actual a tabla histórica con SysEndTime en tiempo UTC. Actualiza fila en tabla actual con SysStartTime en tiempo UTC Inicio de la transacción. DML (1/3)

DELETE Copia fila actual a tabla histórica con SysEndTime en tiempo UTC. Remueve la fila actual de la tabla temporal. MERGE Se comporta como INSERT, UPDATE o DELETE para cada una de las filas dependiendo de la acción aplicada. DML (2/3)

SELECT DML (3/3) Tradicional: Solo toma datos de la tabla actual. Si las columnas están HIDDEN NO las retorna con SELECT *. La tabla histórica también se puede referenciar. … O usar las habilidades Temporales DML (3/3)

Tablas Temporales: DML

Consultas Temporales

FOR SYSTEM_TIME AS OF <PointInTime>: START <= <PointInTime> and END > <PointInTime> AS OF <PointInTime>: START < <End> and END > <Begin> FROM <Begin> TO <End> START <= <End> and END > <Begin> BETWEEN <Begin> AND <End> START <= <End> and END >= <Begin> CONTAINED IN (<Begin>, <End>) Todas las filas ALL: START <= end_date_time AND END > start_date_time FOR SYSTEM_TIME

Tablas Temporales Como funcionan DDL Consultas Temporales CONTAINED BETWEEN FROM TO AS OF BMW X3 ROW START ROW END HIDDEN Tablas Temporales

Limitaciones Tabla Temporal Tabla histórica TRUNCATE TABLE no esta soportado. INSERT/UPDATE no pueden referenciar columnas de periodo de sistema. ON DELETE/UPDATE CASCADE NO esta soportado. (SQL 2017*) Replicación (Merge no soportado) NO puede tener CONSTRAINTS (PK, FKs, CHECKS, etc.) NO soporta Vistas Indexadas. NO soporta modificaciones PAGE Compressed (Predeterminada)-Índice Cluster sobre columnas Start-End En SQL 2107 si esta soportado. Limitaciones

Proceso Data Warehouse Usted esta aquí Fuentes ETL Datamart ETL ERP CRM SCM SFA LOB etc Data Warehouse ETL Datamart ETL Datamart Stage ODS T ETL Datamart ERP: Enterprise Resource Planning CRM: Customer Relationship Management SCM: Supply Chain Management SFA: Sales Force Automation LOB: Line of Bussiness Others EL Data Lake Proceso Data Warehouse

¿Beneficios? Ronald “No solo es por satisfacción”

Un activo importante La información es valiosa Ahorro económico y esfuerzo para creación de tablas históricas para auditorías Información relevante del negocio para toma de decisiones (Cambios de precios, estrategias de ventas anteriores) Trazabilidad de los cambios ( ¿Qué pasó? , ¿ Quién lo hizo?) Ronald Un activo importante

Definiciones Así lo hacemos Tablas Temporales Conclusiones

¡ Gracias ! Ronald Hanna Javier Loria Ronald@FullTechnology.com http://www.fulltechnology.com Javier Loria JLoria@PrimusData.net /in/JavierSQL @JavierSQL https://javiersql.wordpress.com https://www.facebook.com/JavierSQL/ ¡ Gracias !