DISEÑO E IMPLEMENTACIÓN DE CUBOS DE DATOS
|
|
- Joaquín Alcaraz Maidana
- hace 8 años
- Vistas:
Transcripción
1 DISEÑO E IMPLEMENTACIÓN DE CUBOS DE DATOS Estructura de contenidos INTRODUCCIÓN ENFOQUES PARA LA CONSTRUCCIÓN DE CUBOS DE DATOS Modelos y metodologías para el diseño y construcción de Bodegas de Datos (Data Warehouses) Metodologías para minería de datos FASES PARA EL DISEÑO E IMPLEMENTACIÓN DE CUBOS DE DATOS FASE DE COMPRENSIÓN DEL MODELO DE NEGOCIO: FASE DE LEVANTAMIENTO DE REQUERIMIENTOS: FASE DE RECOLECCIÓN DE LOS DATOS: FASE DE PREPARACIÓN DE DATOS: FASE DE MODELADO DEL CUBO DE DATOS: FASE DE IMPLEMENTACIÓN DEL CUBO DE DATOS: FASE DE CONSTRUCCIÓN DEL VISUALIZADOR DEL CUBO DE DATOS:... 16
2 Mapa conceptual DISEÑO E IMPLEMENTACIÓN DE CUBOS DE DATOS 2
3 INTRODUCCIÓN El diseño y construcción de cubos de datos permite a las organizaciones escalar progresivamente hacia una arquitectura de almacenamiento con Bodegas de Datos (Data Warehouse), sobre los que se puede aplicar técnicas de minería de datos con el fin de extraer conocimiento que permita satisfacer las expectativas de los clientes y alcanzar los objetivos estratégicos de la organización. La aplicación de técnicas de minería de datos para identificar y extraer conocimiento de las bases de datos, permite mejorar la estrategia de negocio mediante el diseño de tácticas que generen ventajas competitivas en el mercado. 1. ENFOQUES PARA LA CONSTRUCCIÓN DE CUBOS DE DATOS El diseño y construcción de Bodegas de Datos puede ser abordado desde diferentes enfoques. Una alternativa es construir la Bodega de Datos a partir de la agrupación de los cubos de datos que se generan por cada dependencia de la empresa y utilizar algún modelo o metodología para estructurarlos de manera ordenada. Un segundo enfoque es utilizar una metodología para realizar Minería de Datos y contemplar la construcción de la Bodega de Datos como un proceso que permite la extracción de conocimiento de los datos. 1.1 Modelos y metodologías para el diseño y construcción de Bodegas de Datos (Data Warehouses) Algunos de los modelos y metodologías más usadas para el diseño y construcción de Bodegas de datos son: Modelo de Barry Devlin y Paul Morphy: En este modelo se inicia analizando racionalmente el modelo de negocio con el fin de definir la arquitectura técnica que se requiere para realizar la implementación de la Bodega de Datos; posteriormente se identifican las fuentes de almacenamiento que contienen los datos, con las que se define un simple, completo y consistente sistema de almacenamiento, en el que los datos se agrupan para que los usuarios finales puedan entender y manipular el contexto del negocio. 3
4 Modelo de Ralph Kimball: Es un esquema centrado en la identificación de procesos de la empresa, desde el que se extraen los elementos claves para la definición de la estructura de variables y dimensiones de las que constan los cubos de datos, que al agruparlos componen la Bodega de Datos de la empresa. Modelo de William Bill Inmon: Se fundamenta en la elaboración del modelo de datos corporativo desde un nivel de abstracción muy gerencial, para que con base en esté se derive la estructura del modelo de datos de la Bodega de Datos. Modelo de Golfarelli Matteo, Maio Dario y Rizzi Stefano: es un esquema que parte de los modelos entidad relación (MER) de los sistemas transaccionales de la organización, para luego derivar el MER de la estructura para el diseño de la Bodega de Datos. Metodología HEFESTO: Aborda el proceso de construcción de la Bodega de Datos desde el enfoque de la Inteligencia de Negocios (Business Intelligence - BI), en el cual se identifican los aspectos más relevantes y significativos del modelo del negocio con el objetivo de precisar y detallar los componentes que deben intervenir en la arquitectura de la Bodega Metodologías para minería de datos Las metodologías para realizar minería de datos abarcan los modelos de construcción de una Bodega de Datos como un ítem dentro del proceso de extracción de conocimiento de los datos, por esta razón a continuación mencionamos algunas de las más relevantes: Metodología CRIPS DM (Cross Industry Standard Process for Data Mining) Metodología SEMMA (Sample, Explore, Modify, Model, Assess) Metodología DMAMC (Definir, Medir, Analizar, Mejorar, Controlar) KDD process - (Knowledge Discovery in Databases) 4
5 2. FASES PARA EL DISEÑO E IMPLEMENTACIÓN DE CUBOS DE DATOS A continuación se realiza la descripción de cada una de las fases que tiene el proceso de diseño e implementación de un cubo de datos; adicionalmente, para realizar la práctica se describirán las actividades a realizar como Caso Práctico utilizando para ello la base de datos AdventureWorks.sql que es suministrada en el archivo BaseDatosEjemplo.zip y sobre la cual se aplicarán cada una de las fases FASE DE COMPRENSIÓN DEL MODELO DE NEGOCIO: En esta fase se recolecta la información corporativa e institucional que permita comprender el modelo de negocios e identificar los objetivos estratégicos de la organización. Se consultan fuentes como el organigrama empresarial, el diagrama de procesos, el manual de procedimientos, el portafolio de servicios y todas aquellas que suministren información que permita comprender la estructura y el funcionamiento de los procesos que tiene la organización. El conocimiento que se adquiere del funcionamiento de la organización debe permitir identificar claramente los objetivos estratégicos del negocio, para que el diseño del cubo de datos se oriente hacia el alcance de estos. El análisis obtenido en esta fase se consolida en un documento llamado Dominio del negocio de la organización donde se realiza la descripción del modelo de negocio, se establecen los objetivos estratégicos de la organización y se explica la estructura de la organización. Caso Práctico En esta primera actividad debe tener en cuenta que la base de datos AdventureWorks con la cual realizará la práctica, no corresponde a una empresa u organización real por cuanto que los registros de los productos, personas, lugares y eventos que se describen aquí son ficticios. En esta Fase lo que se pretende es establecer un escenario donde se pueda inferir la estructura y funcionamiento real de una empresa, por lo tanto debe tener en cuenta la siguiente información que corresponde al dominio del negocio de la organización: 5
6 Adventure Works Cycles, es una empresa multinacional que fabrica y vende bicicletas en los mercados de Norteamérica, Europa y Asia. Su sede central de operaciones se encuentra en Bothell, Washington, con 290 empleados, su mercado está compuesto por varios equipos regionales de ventas. En el año 2000, la empresa compró una pequeña planta de fabricación, Importadores Neptuno, situada en México la cual fabrica varios subcomponentes para la línea de productos de Adventure Works Cycles. Estos subcomponentes se envían a la sede de Bothell para el ensamblado final del producto. En el año 2001, Importadores Neptuno pasó a ser el único fabricante y distribuidor del grupo de productos de bicicletas de paseo FASE DE LEVANTAMIENTO DE REQUERIMIENTOS: En esta fase se recolectan datos y se someten a análisis con el fin de transformarlos en información que permita identificar las necesidades del modelo de negocio de la organización, esto implica estudiar las interacciones que se dan entre los datos y los procesos que se llevan a cabo en cada una de las áreas de la organización. Para el levantamiento de la información se pueden aplicar algunas de las siguientes técnicas: Introspección u observación directa. Entrevistas y cuestionarios. Lluvia o tormenta de ideas. Storyboards. Etnografía o análisis organizacional. La información obtenida durante el levantamiento de requerimientos debe permitir identificar los interrogantes que el cubo de datos debe solucionar para cada área de negocio que desea utilizarlo, esto permitirá recolectar los datos correctos e interpretar adecuadamente los resultados. El análisis obtenido en esta fase se consolida en un documento llamado Requerimientos del cubo de datos en donde se consignan las preguntas 6
7 que responderá el cubo de datos junto con los aspectos positivos y negativos que este tendrá en cada área de negocio. Caso Práctico Construya el documento Requerimientos del cubo de datos, teniendo en cuenta la siguiente información: Adventure Works Cycles desea ampliar su cuota de mercado dirigiendo sus ventas a sus mejores clientes, para lograr esto ha comenzado por realizar un análisis sobre los datos que tiene de sus clientes con el fin de identificar que productos y qué cantidad de estos se venden por cada región. Adventure Works Cycles tiene los siguientes tipos de cliente: Individuos: clientes que compran productos de la tienda en línea de Adventure Works Cycles. Tiendas: almacenes que compran los productos a los representantes de ventas para revenderlos al por menor o al por mayor FASE DE RECOLECCIÓN DE LOS DATOS: En esta fase se recolectan los datos desde los sistemas fuentes para realizar sobre ellos una descripción cualitativa y cuantitativa, posteriormente se procede a determinar sus propiedades y verificar la calidad de los mismos. Esta fase consta de las siguientes etapas: 1. Identificación de las fuentes de los datos: se identifican los sistemas fuentes que contienen los datos y se extraen para posteriormente adecuarlos, es importante tener en cuenta que los datos pueden residir en diversos tipos de sistemas, a continuación mencionamos algunos de los más típicos dentro de las organizaciones: Hojas de cálculo Bases de datos Archivos estadísticos Sistemas de información empresarial (ERP, ERP, FRM, HRM, MRP, SCM) Archivos documentales físicos y digitales 7
8 Luego de extraer los datos se elabora un informe que se denomina reporte de recolección de datos el cual contiene la lista de los datos extraídos, su localización, las técnicas utilizadas para su recolección y los problemas que se presentaron durante este proceso, así como la forma en que fueron resueltos. 2. Descripción de los datos: se realiza la descripción de los datos extraídos desde los sistemas fuentes con el fin de establecer sus características y métricas de la siguiente forma: Descripción cualitativa: se refiere a las cualidades relevantes de los datos que pueden ser descritas utilizando: Significado de la tabla que contiene los datos, descripción de la campo que contiene el dato y descripción del tipo de campo. Descripción cuantitativa: se refiere a las métricas que pueden ser calculadas u obtenidas del volumen de datos, como: Número de campos por tabla, número de registros por tabla y número de relaciones. La información recolectada de los datos se consigna en un informe denominado reporte de la descripción de datos 3. Exploración de los datos: Se procede a explorar los datos que han sido extraídos desde los sistemas fuentes, con el fin de encontrar una estructura general para los datos homogeneidad y de identificar problemas datos paralizantes que puedan ocurrir durante las fases siguientes. Las novedades encontradas en esta fase se registran en un documento denominado Reporte de exploración de datos. 4. Verificación de la calidad y consistencia de los datos: Se efectúan verificaciones sobre los datos, que permitan asegurar la consistencia de los valores individuales de los campos, la cantidad y distribución de los valores nulos y la corrección de valores fuera de rango que puedan constituirse en elementos que alteren el resultado del proceso. Los resultados de esta fase se consignan en un documento que lleva por nombre Reporte de calidad de datos 8
9 Caso Práctico: Para realizar la fase de recolección de datos con cada una de sus etapas deberá tener en cuenta que los datos de la empresa Adventure Works Cycles están dentro del archivo BaseDatosEjemplo.zip, allí se encuentra una base de datos relacional que está construida sobre el sistema manejador de bases de datos SQL Server Para la descripción de los datos debe consultar el diccionario de datos de las siguientes tablas con el fin de identificar los metadatos que contiene cada una de ellas: Tabla Nº de registros Nº campos Nº relaciones Customer Product SalesOrderHeader SalesOrderDetail SalesTerriory Customer: Contiene la información de los clientes actuales. Los clientes se clasifican por tipo: cliente individual o tienda de venta al por menor. Product: Información sobre cada producto vendido por Adventure Works Cycles o utilizado para fabricar bicicletas y componentes de bicicletas. SalesOrderHeader: Contiene información general, o padre, del pedido de compra. SalesOrderDetail: Contiene productos individuales asociados con un pedido de venta específico. Un pedido de venta puede incluir pedidos para varios productos. SalesTerriory: Tabla de búsqueda que contiene los territorios de ventas cubiertos por los equipos de ventas de Adventure Works Cycles. 9
10 2.4. FASE DE PREPARACIÓN DE DATOS: Finalizada la fase de recolección de los datos, se procede al alistamiento de los datos para la posterior construcción del cubo de datos. La fase de preparación de datos consta de las siguientes etapas: 1. Selección de datos: se seleccionan los datos de la fase anterior, utilizando como criterio de selección la calidad de los datos en cuanto a completitud y consistencia. 2. Limpieza de los datos: se optimiza la calidad de los datos mediante la aplicación de técnicas que eliminen datos paralizantes, valores fuera de rango y caracteres extraños; algunas de estas técnicas son: normalización de datos, discretización de campos numéricos y tratamiento de valores ausentes. 3. Estructuración de los datos: se realizan operaciones de alistamiento sobre los datos, las cuales generan nuevos atributos a partir de los ya existentes y transforman los valores de los ya existentes. 4. Integración de los datos: se crean nuevas estructuras que unifican los datos, para esto se fusionan tablas que contengan atributos diferentes de un mismo objeto y se generan nuevos campos y registros que resuman los actuales. 5. Formateo de los datos: se realizan transformaciones sintácticas de los datos sin modificar su significado, esto se consigue mediante la reordenación o ajuste de los campos y registros de las tablas; también se eliminan comas, tabuladores, caracteres especiales, máximos y mínimos para las cadenas de caracteres. Caso Práctico El archivo AdventureWorks.sql es un script para SQL Server 2008 que contiene las tablas fuentes desde donde se extraerán los datos para la construcción del cubo de datos, este archivo puede ser abierto con un editor de textos; se recomienda usar uno que reconozca la sintaxis del SQL. De dicho archivo debe extraer las siguientes tablas junto con sus datos: 10
11 Customer Product SalesOrderHeader SalesOrderDetail SalesTerriory 2.5. FASE DE MODELADO DEL CUBO DE DATOS: En esta fase se identifican las dimensiones, métricas y tablas de hecho que constituirán el cubo de datos. Algunos de los aspectos para identificar los atributos de estos elementos son: Atributos de métrica: son aquellos atributos que permiten establecer un valor cuantitativo sobre los datos. Atributos de dimensión: son todos los atributos que aportan cualidades a los datos. Datos multidimencionales: son los datos que no pueden modelarse como atributos de dimensión o de medida. Atributos de la(s) tabla(s) de Hecho(s): Para identificar estos atributos hay que prestar especial atención a las tabulaciones cruzadas puesto que estas son sumatorias que no están guardas directamente en las tablas del modelo relacional, si no que son el resultado de operaciones aritméticas que se obtienen de disponer de distintas formas los atributos de métrica y de dimensión. Se debe construir el cubo de datos, teniendo en cuenta el número de dimensiones y de tablas de hecho que se hayan identificado. Para esto hay que seleccionar entre los siguientes modelos de datos el más adecuado para construir el cubo: Modelo estrella, Modelo copo de nieve o Modelo constelación. La estructura dimensional propuesta para el cubo de datos debe resolver las preguntas que se han planteado en el documento de requerimientos. No hay un modelo mejor que otro, cada uno responde a un análisis particular del cual depende su precisión y validez. 11
12 Caso práctico En esta fase se deben identificar los campos, metadatos y datos que se requieren para construir las dimensiones del cubo de datos. Para esto se toman como referencia las cinco (5) tablas creadas en el SMBD, de la siguiente forma: Dimensión Tablas fuentes Campos extraídos de tablas fuentes d_customer d_product d_shipdate Customer SalesOrderHeader Product SalesOrderDetail SalesOrderHeader Customerid, AccountNumber ProductID, ProductNumber, Name Shipdate d_salesteritory SalesOrderHeader TerritoryID, Name Identificados los campos que se requieren para la construcción de cada una de las dimensiones del cubo, para el caso que se está desarrollando se recomienda seleccionar el modelo estrella para el diseño del cubo. En el gráfico puede ver el modelo estrella del cubo de datos construido a partir de la base de datos AdventureWorks. d_customer f_sales d_salesterritory customerid INTEGER accountnumber CHARACTER Properties d_product idf_sales NUMERIC d_salesterritory_salesterritoryid INTEGER d_shipdate_idd_shipdate INTEGER d_customer_customerid INTEGER d_product_productid INTEGER taxtamt INTEGER totaldue NUMERIC orderqty INTEGER freight DOUBLE linetotal DOUBLE sales Territory ID INTEGER name CHARACTER Indexes productid INTEGER productnumber CHARACTER name CHARACTER Indexes Indexes PRIMARY fk_f_sales_d_customer1 fk_f_sales_d_product1 fk_f_sales_d_sales Territory1 fk_f_sales_d_shipdate1 d_product idd_shipdate INTEGER myear INTEGER mounth INTEGER mdate DATE Indexes 12
13 2.6. FASE DE IMPLEMENTACIÓN DEL CUBO DE DATOS: En esta la fase se construye el modelo físico del cubo de datos el cual se realiza de la siguiente forma: 1. Crear las tablas de cada una de las dimensiones del cubo con sus respectivos atributos y llaves primarias. 2. Después se construye(n) la(s) tabla(s) de hecho(s) con sus campos, llaves primarias y relaciones que se han identificado en el modelo seleccionado. Caso práctico: Se procede a la construcción física del cubo de datos a partir del modelo estrella desarrollado para la base de datos AdventureWorks, para esto se realizan los siguientes pasos: 1. Creación de las dimensiones: Se crean las tablas que corresponden a cada una de las dimensiones del cubo de datos. Consulte el script SQL CrearTablasDimensiones.sql y ejecútelo en el SMBD. CREATE TABLE d_customer ( CUSTOMERID INTEGER NOT NULL, ACCOUNTNUMBER CHARACTER VARYING(10) NULL, PRIMARY KEY(CUSTOMERID) ); CREATE UNIQUE INDEX d_customer_account ON d_customer (ACCOUNTNUMBER); CREATE TABLE d_product ( PRODUCTID INTEGER NOT NULL, PRODUCTNUMBER CHARACTER VARYING(25) NULL, NAME CHARACTER VARYING(50) NULL, PRIMARY KEY(PRODUCTID) ); CREATE UNIQUE INDEX d_product_number ON d_product (PRODUCTNUMBER); 13
14 CREATE TABLE d_salesterritory ( SALESTERRITORYID INTEGER NOT NULL, NAME CHARACTER VARYING(50) NULL, PRIMARY KEY(SALESTERRITORYID) ); CREATE TABLE d_shipdate ( idd_shipdate SERIAL NOT NULL, MYEAR INTEGER NULL, MOUNTH INTEGER NULL, MDATE DATE NULL, PRIMARY KEY(idd_shipdate) ); 2. Llenado de las dimensiones desde las tablas fuentes: Se recuperan los datos desde los sistemas fuentes del nivel (OLTP), se transforman y se cargan en cada una de las tablas que conforman las dimensiones del cubo de datos. Consulte el script SQL LlenarDimensiones. sql y ejecútelo en el SMBD. INSERT INTO d_shipdate (myear, mounth, mdate) SELECT DISTINCT EXTRACT (year FROM shipdate), EXTRACT (month FROM shipdate), shipdate FROM salesorderheader INSERT INTO d_customer SELECT DISTINCT c.customerid, c.accountnumber FROM salesorderheader sh JOIN customer c USING (customerid) INSERT INTO d_product SELECT DISTINCT p.productid, p.productnumber, p.name FROM salesorderdetail sd JOIN product p USING (productid) INSERT INTO d_salesterritory SELECT DISTINCT st.territoryid,st.name FROM salesorderheader sh JOIN salesterritory st USING (TerritoryID) 14
15 3. Construcción de la(s) tabla(s) de hechos del cubo de datos: Se crea la tabla de hechos del cubo de datos. Consulte el script CrearTablaHechos.sql y ejecútelo en el SMBD. CREATE TABLE f_sales ( idf_sales SERIAL NOT NULL, d_salesterritory_salesterritoryid INTEGER NOT NULL, d_shipdate_idd_shipdate INTEGER NOT NULL, d_customer_customerid INTEGER NOT NULL, d_product_productid INTEGER NOT NULL, taxtamt DOUBLE PRECISION NULL, totaldue DOUBLE PRECISION NULL, orderqty INTEGER NULL, freight DOUBLE PRECISION NULL, linetotal DOUBLE PRECISION NULL, PRIMARY KEY(idf_sales) ); CREATE INDEX f_sales_fkindex1 ON f_sales (d_product_productid); CREATE INDEX f_sales_fkindex2 ON f_sales (d_customer_customerid); CREATE INDEX f_sales_fkindex3 ON f_sales (d_shipdate_idd_shipdate); CREATE INDEX f_sales_fkindex4 ON f_sales (d_salesterritory_ SALESTERRITORYID); 4. Llenado de la(s) tabla(s) de hechos del cubo de datos: Se consolidan las métricas realizando los cálculos sobre los datos multidimensionales y se almacena el resultado dentro de la tabla de hechos del cubo de datos. Consulte el script SQL LlenarTablaHecho.sql y ejecútelo en el SMBD. INSERT INTO f_sales (d_salesterritory_salesterritoryid,d_shipdate_idd_shipdate,d_ customer_customerid, d_product_productid, TAXTAMT, TOTALDUE, ORDERQTY, FREIGHT,LINETOTAL) SELECT dst.salesterritoryid,dsd.idd_shipdate,dc.customerid,dp. productid,sum(sh.taxamt),sum(sh.totaldue),sum(sd. orderqty),sum(sh.freight),sum(sd.linetotal) FROM salesorderdetail sd JOIN salesorderheader sh ON sh.salesorderid=sd.salesorderid 15
16 JOIN d_product dp ON dp.productid=sd.productid JOIN d_customer dc ON dc.customerid=sh.customerid JOIN d_salesterritory dst ON dst.salesterritoryid=sh.territoryid JOIN d_shipdate dsd ON dsd.mdate=sh.shipdate GROUP BY dst.salesterritoryid, dsd.idd_shipdate,dc.customerid,dp. productid 2.7. FASE DE CONSTRUCCIÓN DEL VISUALIZADOR DEL CUBO DE DATOS: La fase de construcción del visualizador del cubo de datos puede ser abordada de las siguientes formas: Construcción una vista en la base de datos Desarrollo de una aplicación en un lenguaje de programación específico Utilización de una herramienta de uso específico existente Creación del visualizador en una herramienta de uso general como una hoja de cálculo En esta fase se busca que el usuario obtenga una interpretación más intuitiva y rápida de la información que le puede suministrar el cubo de datos. La forma en que se aborde la construcción del visualizador del cubo de datos depende del tamaño del cubo, el tiempo y los recursos disponibles para ello. Caso práctico: En esta fase final se debe crear una consulta sobre las dimensiones del cubo de datos de manera que proporcione algunos elementos claves que permitan interpretar más fácilmente los datos arrojados por la tabla de hechos. Siga los siguientes pasos: 1. Construir la tabla visualizador en donde se almacena el resultado de la consulta. Revise el script visualizador.sql y ejecútelo en el SMBD. 16
17 CREATE TABLE visualizador ( territorio CHARACTER VARYING (50)NOT NULL, envio DATE NOT NULL, cliente CHARACTER VARYING (10) NOT NULL, producto CHARACTER VARYING (50) NOT NULL, iva bigint NOT NULL, totales DOUBLE PRECISION NOT NULL, cantidad BIGINT NOT NULL, fletes DOUBLE PRECISION NOT NULL, subtotales DOUBLE PRECISION NOT NULL ); INSERT INTO visualizador (territorio, envio, cliente, producto, iva, totales, cantidad, fletes, subtotales) SELECT dst.name territorio,dsd.mdate envio, dc.accountnumber cliente,dp.name producto,sum(sh.taxamt) iva,sum(sh.totaldue) totales,sum(sd.orderqty) cantidad,sum(sh.freight) fletes,sum(sd. linetotal) subtotales FROM salesorderdetail sd JOIN salesorderheader sh ON sh.salesorderid=sd.salesorderid JOIN d_product dp ON dp.productid=sd.productid JOIN d_customer dc ON dc.customerid=sh.customerid JOIN d_salesterritory dst ON dst.salesterritoryid=sh.territoryid JOIN d_shipdate dsd ON dsd.mdate=sh.shipdate GROUP BY dst.name, dsd.mdate,dc.accountnumber,dp.name 2. Desde la base de datos cubo, exportar a un archivo de texto plano los datos que contiene la tabla de nombre visualizador. Para este caso específico puede consultar el archivo datavisualizador.txt que contiene registros, que son el resultado que debe dar la exportación de datos si se han realizado los pasos correctamente. 3. Para finalizar debe cargar el archivo exportado, datavisualizador. txt, a una hoja de cálculo con el fin de generar una tabla dinámica que permita consultar el cubo de datos. El resultado de este procedimiento puede consultarse en el archivo visualizadorcubo.xlsx. 17
18 GLOSARIO BI: Business Intelligence Inteligencia de negocios CRISP-DM: Cross Industry Standard Process for Data Mining Data mining: Minería de datos DMAMC: Definir, Medir, Analizar, Mejorar, Controlar DW: Data Warehouse - Bodega de datos KDD: Knowledge Discovery in Databases LDAP: Lightweight Directory Access Protocol - Protocolo ligero de acceso a directorios MER: Modelo Entidad Relación OLAP: OnLine Analytical Processing Procesamiento analítico en línea OLTP: OnLine Transaction Processing - Procesamiento de transacciones en línea SEMMA: Sample, Explore, Modify, Model, Assess 18
19 BIBLIOGRAFÍA Date, C.(2001). Introducción a los sistemas de bases de datos (7 Edición). Mexico: Editorial: Pearson Education, Capitulo 21 : Apoyo a la toma de decisiones. Gallardo J. (2009). Metodología para la Definición de Requisitos en Proyectos de Data Mining (ER-DM). Recuperado el 28 de mayo de 2012 desde: Hernández J., Ramírez J.y Ferri R. (2008). Introducción a la minería de datos, Madrid, España: Editorial: Pearson Prentice Hall. Kroenke, D, (2003). Procesamiento de Bases de Datos, Editorial: Prentice Hall. Laudon, C. y Laudon, P. (2008). Sistemas de Informacion Gerencial - Administracion de la empresa digital (10 Edición). Mexico: Editorial Pearson Prentice Hall, Capitulo 6: Fundamentos de la inteligencia de negocios: administración de bases de datos e información. Pérez, César y González D, (2007.) Mineria de datos Técnicas y herramientas, Madrid, España: Editorial:Thomson. Sevilla, E. (2003). Guía metodológica para la definición y desarrollo de un DW. Recuperado el 31 de mayo de 2012 desde: edu.ni/opac_tes/009/ pdf Silberschatz, A. Korth, H. y Sudarshan, S. (2002). Fundamentos de bases de datos (4ta Edición). Madrid, España: Editorial McGraw Hill, Parte 7, Capítulo
20 Control de documento Construcción Objeto de Aprendizaje Diseño e Implementación de Cubos de Datos Desarrollador de contenido Experto temático Asesor pedagógico Producción Multimedia Programadores Líder expertos temáticos Líder línea de producción Alejandro Pinzón Roberto Rafael Neftalí Lizcano Reyes Luis Fernando Botero Mendoza Victor Hugo Tabares Daniel Eduardo Martínez Grateful Dead Montaño Sierra Ana Yaqueline Chavarro Parra Santiago Lozada Garcés 20
LABORATORIO 4. CONSTRUCCIÓN DE CUBOS PARA LA BODEGA DE DATOS
LABORATORIO 4. CONSTRUCCIÓN DE CUBOS PARA LA BODEGA DE DATOS GUÍA DE LABORATORIO Nº 4 Actividad de Proyecto No. 2: CONFIGURAR SISTEMAS MANEJADORES DE BASE DE DATOS. CONSTRUCCIÓN DE CUBOS PARA LA BODEGA
Más detallesEPB 603 Sistemas del Conocimiento!"#$ %& $ %'
Metodología para el Desarrollo de Proyectos en Minería de Datos CRISP-DM EPB 603 Sistemas del Conocimiento!"#$ %& $ %' Modelos de proceso para proyectos de Data Mining (DM) Son diversos los modelos de
Más detallesARQUITECTURA DE UNA BODEGA DE DATOS
ARQUITECTURA DE UNA BODEGA DE DATOS Estructura de contenidos INTRODUCCIÓN... 3 1. ARQUITECTURA DE UNA BODEGA DE DATOS... 3 1.1 PROPIEDADES... 3 1.2 ARQUITECTURA DE UNA CAPA... 4 1.3 ARQUITECTURA DE DOS
Más detallesv.1.0 Clase 5 Docente: Gustavo Valencia Zapata
v.1.0 Clase 5 Docente: Gustavo Valencia Zapata Temas Clase 5: Conceptos de Minería de Datos Herramientas de DM Referencias Minería de datos Proceso de DM www.gustavovalencia.com Minería de datos La minería
Más detallesEstos documentos estarán dirigidos a todas las personas que pertenezcan a equipos de implementación de Oracle BI, incluyendo a:
Oracle Business Intelligence Enterprise Edition 11g. A lo largo de los siguientes documentos trataré de brindar a los interesados un nivel de habilidades básicas requeridas para implementar efectivamente
Más detallesParte I: Introducción
Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one
Más detallesData Mining Técnicas y herramientas
Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos
Más detallesUNIVERSIDAD DE SANTIAGO DE CHILE INGENIERIA COMERCIAL APLICACIÓN COMPUTACIONAL I INTELIGENCIA DE NEGOCIOS
UNIVERSIDAD DE SANTIAGO DE CHILE INGENIERIA COMERCIAL APLICACIÓN COMPUTACIONAL I INTELIGENCIA DE NEGOCIOS Integrante: Profesor: Maximiliano Heise Luis Ríos Fecha de entrega: miércoles 18 de abril de 2012
Más detallesANEXO A - Plan de Proyecto. 1. - EDT de la solución EDT GENERAL DEL PROYECTO1
ANEXO A - Plan de Proyecto 1. - EDT de la solución EDT GENERAL DEL PROYECTO1 2.- Diagrama de Gantt de la Solución DIAGRAMA DE GANTT- FASE INICIAL DOCUMENTACION Y ANALISIS2 DIAGRAMA DE GANTT- FASE FINAL
Más detallesPLANES DE PREVENCIÓN DE PÉRDIDA DE DATOS
Introducción 3 Planes de prevención de pérdida de datos 3 Copias de seguridad 4 Definición 4 Tipos de copias de seguridad 4 Restauración de datos 6 Definición 6 Tipos de restauración de datos 7 Recuperación
Más detallesMOLAP REALIZADO POR: JOSE E. TABOADA RENNA
MOLAP REALIZADO POR: JOSE E. TABOADA RENNA BASE DE DATOS Conjunto de datos estructurados, fiables y homogéneos organizados independientemente en máquina, m accesibles en tiempo real, compatible por usuarios
Más detallesCapítulo 2 Tecnología data warehouse
Capítulo 2 Tecnología data warehouse El objetivo de éste capítulo es mostrar la tecnología data warehouse (DW) como una herramienta para analizar la información. Este capítulo se encuentra organizado de
Más detalles"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios
"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios Miguel Alfonso Flores Sánchez 1, Fernando Sandoya Sanchez 2 Resumen En el presente artículo se
Más detallesí Í 1.1.- Justificación e Importancia del presente Trabajo de Investigación La sociedad espera que el sector productivo contribuya al desarrollo económico y al progreso, reduciendo así sus efectos ambientales
Más detallesPARÁMETROS DE CONFIGURACIÓN DE SISTEMAS MANEJADORES DE BASE DE DATOS
PARÁMETROS DE CONFIGURACIÓN DE SISTEMAS MANEJADORES DE BASE DE DATOS Introducción 3 GESTIÓN DE MEMORIA 3 Memoria Dinámica 4 Memoria predefinida 5 Áreas especiales de memoria 5 GESTIÓN DE ALMACENAMIENTO
Más detallesAdquisición y Procesamiento de la Información
Adquisición y Procesamiento de la Información Guía Docente Master Oficial en Planificación y Gestión de Procesos Empresariales Universitat de València Datos del Curso Nombre de la asignatura Adquisición
Más detallesFacultad de Ciencias Económicas. Departamento de Sistemas. Asignatura: INTELIGENCIA DE NEGOCIOS. Plan 1997
UNIVERSIDAD DE BUENOS AIRES Facultad de Ciencias Económicas Departamento de Sistemas Asignatura: INTELIGENCIA DE NEGOCIOS Código: 715 Plan 1997 Cátedra: DEPARTAMENTO DE SISTEMAS Carrera: Licenciado en
Más detallesSAP BusinessObjects Edge BI Standard Package La solución de BI preferida para. Empresas en Crecimiento
SAP BusinessObjects Edge BI Standard Package La solución de BI preferida para Empresas en Crecimiento Portfolio SAP BusinessObjects Soluciones SAP para Empresas en Crecimiento Resumen Ejecutivo Inteligencia
Más detallesMetodología básica de gestión de proyectos. Octubre de 2003
Metodología básica de gestión de proyectos Octubre de 2003 Dentro de la metodología utilizada en la gestión de proyectos el desarrollo de éstos se estructura en tres fases diferenciadas: Fase de Éjecución
Más detallesBUSINESS INTELLIGENCE A TRAVÉS
07 de Agosto de 2012 BUSINESS INTELLIGENCE A TRAVÉS DEL COACHING Impartido Por: Andrés Pluma Velázquez No es posible gestionar lo que no se puede medir William Hewlet (HP Company). En este sentido, hay
Más detallesSIIGO Pyme. Informes de Saldos y Movimientos de Inventarios. Cartilla I
SIIGO Pyme Informes de Saldos y Movimientos de Inventarios Cartilla I Tabla de Contenido 1. Presentación 2. Qué son Inventarios? 3. Qué son Informes? 4. Qué son Informes de Saldos y Movimientos en Inventarios?
Más detallesMINISTERIO DE EDUCACIÓN DIRECCIÓN DE EDUCACIÓN TÉCNICA Y PROFESIONAL PROGRAMA DE LA ASIGNATURA BASE DE DATOS ESPECIALIDAD INFORMÁTICA.
MINISTERIO DE EDUCACIÓN DIRECCIÓN DE EDUCACIÓN TÉCNICA Y PROFESIONAL PROGRAMA DE LA ASIGNATURA BASE DE DATOS ESPECIALIDAD INFORMÁTICA. AUTORES: MSC. MIREYA LÓPEZ DELGADO LIC. ESPINOSA. CUIDAD HABANA PROGRAMA
Más detallesESPECIALIZACIÓN EN GESTIÓN DE BASE DE DATOS GUÍA DIDÁCTICA PARA LA GESTIÓN DE PROYECTOS Código: EGBD-P01-GD01
ESPECIALIZACIÓN EN GESTIÓN DE BASE DE DATOS GUÍA DIDÁCTICA PARA LA GESTIÓN DE PROYECTOS Código: EGBD-P01-GD01 1. IDENTIFICACIÓN DE LA GUÍA DIDÁCTICA DISEÑO Y ADMINISTRACIÓN DE UNA BODEGA DE DATOS Nombre
Más detallesReporte Registro de Personas con Discapacidad
SISTEMA INTEGRAL DE LA PROTECCION SOCIAL SISPRO SISTEMA DE GESTION DE DATOS SGD Reporte Registro de Personas con Discapacidad CÓDIGO: VERSIÓN: 3 FECHA: 201310 Reporte Registro de Personas con Discapacidad
Más detallesConstrucción de cubos OLAP utilizando Business Intelligence Development Studio
Universidad Católica de Santa María Facultad de Ciencias e Ingenierías Físicas y Formales Informe de Trabajo Construcción de cubos OLAP utilizando Business Intelligence Development Studio Alumnos: Solange
Más detalles6. CIRCUITO Y FLUJO DE MATERIALES
UNIDAD DIDÁCTICA 1: EL APROVISIONAMIENTO 1. LA EMPRESA: FUNCIONES Y ORGANIZACIÓN 1.1. FUNCIONES DE LA EMPRESA 1.2. ORGANIZACIÓN DE LA EMPRESA 2. EL DEPARTAMENTO DE COMPRAS 2.1. EL PERSONAL DE COMPRAS 3.
Más detallesMateria: Inteligencia de negocios
Instituto Tecnológico de Durango Departamento de Sistemas y Computación Ingeniería Informática Unidad I. INTRODUCCIÓN A LA INTELIGENCIA DE NEGOCIOS 1 Información Activo más importante de los negocios actuales
Más detallesSISTEMAS DE INTELIGENCIA DE NEGOCIOS
Estructura de contenidos INTRODUCCIÓN...3 1. BODEGA DE DATOS (DATA WAREHOUSE)...3 1.1. Componentes...3 1.1.1. Orígenes de datos...4 1.1.1.1. Sistemas propios...4 1.1.1.2. Origen externos...4 1.1.2. Área
Más detallesFigure 7-1: Phase A: Architecture Vision
Fase A Figure 7-1: Phase A: Architecture Vision Objetivos: Los objetivos de la fase A son: Enfoque: Desarrollar una visión de alto nivel de las capacidades y el valor del negocio para ser entregado como
Más detallesLOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI
LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI INTRODUCCIÓN Se habla en multitud de ocasiones de Business Intelligence, pero qué es realmente? Estoy implementando en mi organización procesos de Business
Más detalles3.3.3 Tecnologías Mercados Datos
3.3.3 Tecnologías Mercados Datos TECNOLOGIAS DATAMART: Aspect Data Mart es una solución completa de reportes para la empresa, que le proporciona un mayor entendimiento de las operaciones de sus negocios
Más detallesIntroducción. Ciclo de vida de los Sistemas de Información. Diseño Conceptual
Introducción Algunas de las personas que trabajan con SGBD relacionales parecen preguntarse porqué deberían preocuparse del diseño de las bases de datos que utilizan. Después de todo, la mayoría de los
Más detallesGestión de la Configuración
Gestión de la ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 1 ESTUDIO DE VIABILIDAD DEL SISTEMA... 2 ACTIVIDAD EVS-GC 1: DEFINICIÓN DE LOS REQUISITOS DE GESTIÓN DE CONFIGURACIÓN... 2 Tarea EVS-GC 1.1: Definición de
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS Base de Datos I Área a la que pertenece: Área Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0156 Base de Datos II Asignaturas antecedentes y subsecuentes
Más detallesDefinición. Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4
Definición Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4 Definición (cont.) Un Data Warehouse es una colección de
Más detallesCURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.
SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. Business Intelligence. Data Mining. PARTE PRIMERA Qué es
Más detallesBUSINESS INTELLIGENCE
BUSINESS INTELLIGENCE PRESENTACIÓN Ramón Díaz Hernández Gerente (1.990) Nuestro Perfil Inversión permanente en formación y nuevas tecnologías. Experiencia en plataforma tecnológica IBM (Sistema Operativo
Más detallesDEPARTAMENTO: Computación y diseño NOMBRE DEL CURSO: Base de datos I CLAVE: 004012 ACADEMIA A LA QUE PERTENECE: Base de datos I
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Computación y diseño NOMBRE DEL CURSO: Base de datos I CLAVE: 004012 ACADEMIA A LA QUE PERTENECE: Base de datos I PROFESIONAL ASOCIADO Y LICENCIATURA Versión
Más detallesSistema de análisis de información. Resumen de metodología técnica
Sistema de análisis de información Resumen de metodología técnica Tabla de Contenidos 1Arquitectura general de una solución de BI y DW...4 2Orígenes y extracción de datos...5 2.1Procesos de extracción...5
Más detallesMODELOS DE CALIDAD EN EL DESARROLLO DE SOFTWARE
MODELOS DE CALIDAD EN EL DESARROLLO DE SOFTWARE INTRODUCCIÓN Los Modelos de Calidad son herramientas que guían a las Organizaciones a la Mejora Continua y la Competitividad dando les especificaciones de
Más detallesMicrosoft SQL Server Conceptos.
Microsoft Conceptos. Microsoft 2005 es una plataforma de base de datos a gran escala de procesamiento de transacciones en línea (OLTP) y de procesamiento analítico en línea (OLAP). La siguiente tabla muestra
Más detallesEl participante puede llevar a cabo el proceso de auto-comparación y sobre esa base reforzar los aspectos menos consistentes.
Guía de Evaluación Como evaluación de la guía pedagógica se ha elegido una metodología de evaluación cualitativa del nivel de conocimientos del participante. Para ello se ha construido una guía de preguntas
Más detallesSistemas de Información para la Gestión. Unidad 3 Aplicaciones de Sistemas
para la Gestión Unidad 3 Aplicaciones de Sistemas U.N.Sa. Facultad de Cs.Económicas SIG 2010 UNIDAD 3: APLICACIONES DE SISTEMAS Aplicaciones empresariales: Sistemas empresariales. Sistemas de administración
Más detallesNTC - ISO 9001:2008 REQUISITOS DE LA DOCUMENTACION
REQUISITOS DE LA DOCUMENTACION La Norma ISO 9001, especifica los requisitos para un sistema de gestión de la calidad que pueden utilizarse para su aplicación interna por las organizaciones, para certificación
Más detallesBase de datos relacional
Base de datos relacional Una base de datos relacional es una base de datos que cumple con el modelo relacional, el cual es el modelo más utilizado en la actualidad para modelar problemas reales y administrar
Más detallesEstas visiones de la información, denominadas vistas, se pueden identificar de varias formas.
El primer paso en el diseño de una base de datos es la producción del esquema conceptual. Normalmente, se construyen varios esquemas conceptuales, cada uno para representar las distintas visiones que los
Más detallesCAPITULO III MARCO METODOLÓGICO. Desde la perspectiva de Hurtado de Barrera (2008), el tipo de
CAPITULO III MARCO METODOLÓGICO 1. TIPO DE INVESTIGACIÓN Desde la perspectiva de Hurtado de Barrera (2008), el tipo de investigación que propone soluciones a una situación determinada a partir de un proceso
Más detallesProceso Unificado de Rational PROCESO UNIFICADO DE RATIONAL (RUP) El proceso de desarrollo de software tiene cuatro roles importantes:
PROCESO UNIFICADO DE RATIONAL (RUP) El proceso de desarrollo de software tiene cuatro roles importantes: 1. Proporcionar una guía de actividades para el trabajo en equipo. (Guía detallada para el desarrollo
Más detallesCAPITULO III A. GENERALIDADES
CAPITULO III INVESTIGACION DE CAMPO SOBRE EL DISEÑO DE UN SISTEMA AUTOMATIZADO DE CONTROL INVENTARIO Y EXPEDIENTES DE MENORES DE EDAD PARA EL CENTRO DE DESARROLLO INTEGRAL LA TIENDONA EN LA ZONA METROPOLITANA
Más detallesSistemas de Información 12/13 La organización de datos e información
12/13 La organización de datos e información Departamento Informática e Ingeniería de Sistemas Universidad de Zaragoza (raqueltl@unizar.es) " Guión Introducción: Data Warehouses Características: entornos
Más detallesLA LOGÍSTICA COMO FUENTE DE VENTAJAS COMPETITIVAS
LA LOGÍSTICA COMO FUENTE DE VENTAJAS COMPETITIVAS Los clientes compran un servicio basandose en el valor que reciben en comparacion con el coste en el que incurren. Por, lo tanto, el objetivo a largo plazo
Más detallesBase de datos II Facultad de Ingeniería. Escuela de computación.
2 Base de datos II Facultad de Ingeniería. Escuela de computación. Base de datos II. Guía 6 3 Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo
Más detallesTecnologías de Información y Comunicación II CLASE 10
Tecnologías de Información y Comunicación II CLASE 10 Medidas Una medida es un tipo de dato cuya información es usada por los analistas (usuarios) en sus consultas para medir la perfomance del comportamiento
Más detallesFigure 9-1: Phase C: Information Systems Architectures
FASE C Figure 9-1: Phase C: Information Systems Architectures Objetivos Los objetivos de la Fase C son: Desarrollar la arquitectura de sistemas de información objetivo (datos y aplicaciones), que describe
Más detalles7. PROPUESTA DE PLAN DE CAPACITACIÓN PARA EL PERSONAL ENCARGADO DE IMPLEMENTAR LA GUÍA
7. PROPUESTA DE PLAN DE CAPACITACIÓN PARA EL PERSONAL ENCARGADO DE IMPLEMENTAR LA GUÍA La propuesta de capacitación está basada en proporcionar al personal encargado de implementar la guía (Gerentes y
Más detallesSolicitar la competencia Business Intelligence Solutions
Solicitar la competencia Business Intelligence Solutions Guía paso a paso de la inscripción En Microsoft Partner Program, las competencias de Microsoft definen sus áreas de especialización, ayudándole
Más detallesPortafolio de Servicios y Productos
Portafolio de Servicios y Productos Introducción Somos una empresa que se dedica a generar ventajas competitivas para nuestros clientes a través de desarrollos y consultoría en inteligencia de negocios
Más detallesREGISTRO DE EMPRESAS Y PERSONAS BASE DE INFORMACIÓN DE CLIENTES & CONTACTOS
REGISTRO DE EMPRESAS Y PERSONAS BASE DE INFORMACIÓN DE CLIENTES & CONTACTOS La gestión del asesor comercial se basa en mantener contacto personalizado con un grupo de clientes empresariales o personales.
Más detallesUniversidad acional Experimental Del Táchira Decanato de Docencia Departamento de Ingeniería en Informática
Universidad acional Experimental Del Táchira Decanato de Docencia Departamento de Ingeniería en Informática Metodología Evolutiva Incremental Mediante Prototipo y Técnicas Orientada a Objeto (MEI/P-OO)
Más detallesTecnologías de la Información en la Gestión Empresarial
Tecnologías de la Información en la Gestión Empresarial 1 Sesión No.8 Nombre: Procesos de Negocio y Gestión en Business Intelligence Objetivo: Al término de la sesión, el alumno ilustrará un proceso de
Más detallesDía 5-6-2012 17:00h Lugar: Obra Social Ibercaja, Sala De actos, Rambla Ferran 38, 3º, Lleida
Resumen de la conferencia Día 5-6-2012 17:00h Lugar: Obra Social Ibercaja, Sala De actos, Rambla Ferran 38, 3º, Lleida Ponente: Luis Muñiz Socio Director de Sisconges & Estrategia y experto en Sistemas
Más detallesCOMUNICADO Nro. 49763 08/11/2010. Ref.: Tarjetas de crédito. Tasas y costos promedio de las tarjetas de crédito a agosto de 2010. Tarjetas de Crédito
"2010 - AÑO DEL BICENTENARIO DE LA REVOLUCION DE MAYO" COMUNICADO Nro. 49763 08/11/2010 Ref.: Tarjetas de crédito. Tasas y costos promedio de las tarjetas de crédito a agosto de 2010. Tarjetas de Crédito
Más detallesIWG-101: Introducción a la Ingeniería. Departamento de Informática, UTFSM 1
IWG-101: Introducción a la Ingeniería Departamento de Informática, UTFSM 1 Gestión de Bases de Datos Gestión de Bases de Datos Base de datos una colección de datos relacionados organizados de manera de
Más detallesDATA WAREHOUSING (ENERO DE 2003) Documento creado por Ing. Héctor H. Martínez Orpinel
DATA WAREHOUSING (ENERO DE 2003) DEFINICIÓN UN DATA WAREHOUSING ES UN CONJUNTO DE DATOS INTEGRADOS ORIENTADOS A UNA MATERIA, QUE VARIA CON EL TIEMPO Y QUE NO SON TRANSITORIOS, LOS CUALES SOPORTAN EL PROCESO
Más detallesDefinición Historia y Evolución Conceptos Importantes Beneficios Soluciones Aplicaciones Business Intelligence Hoy Futuro del Business Intelligence
Definición Historia y Evolución Conceptos Importantes Beneficios Soluciones Aplicaciones Business Intelligence Hoy Futuro del Business Intelligence Conclusiones Conjunto de productos y servicios que permiten
Más detallesUN PASEO POR BUSISNESS INTELLIGENCE
UN PASEO POR BUSISNESS INTELLIGENCE Ponentes: Agreda, Rafael Chinea, Linabel Agenda Sistemas de Información Transaccionales Qué es Business Intelligence? Usos y funcionalidades Business Intelligence Ejemplos
Más detallesFACULTAD DE INGENIERÍA. Bases de Datos Avanzadas
FACULTAD DE INGENIERÍA Ingeniería en Computación Bases de Datos Avanzadas Datawarehouse Elaborado por: MARÍA DE LOURDES RIVAS ARZALUZ Septiembre 2015 Propósito Actualmente las empresas necesitan contar
Más detallesCREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días
CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER DURACIÓN DÍAS DE CONEXIÓN 40 horas 60 días CONTACTO: formacion@fgulem.es El Campus Virtual ha sido concebido con una metodología dinámica e
Más detallesGUÍA DE LABORATORIO Nº 16 Desarrollo de Aplicaciones Web con ASP. NET y C# en Visual Studio.NET
GUÍA DE LABORATORIO Nº 16 Desarrollo de Aplicaciones Web con ASP. NET y C# en Visual Studio.NET GUÍA DE LABORATORIO Nº 16 Actividad de Proyecto: Codificar los módulos del sistema de información Estructura
Más detallesConstrucción de la base de datos en Oracle
Estructura de contenidos. INTRODUCCIÓN...2 1. CREACIÓN DE UN USUARIO...3 2. CONSTRUCCIÓN DE LA ESTRUCTURA DE ALMACENAMIENTO...6 2.1 Crear Tabla Pacientes...7 2.2 Crear Tabla Médicos...11 2.3 Crear Tabla
Más detallesElementos requeridos para crearlos (ejemplo: el compilador)
Generalidades A lo largo del ciclo de vida del proceso de software, los productos de software evolucionan. Desde la concepción del producto y la captura de requisitos inicial hasta la puesta en producción
Más detallesFormulación de Planificación Estratégica
Formulación de Planificación Estratégica Global Value Consulting - 2011 Pablo Rojas E. 2 Planificación Estratégica Formulación de la Planificación Estratégica Porque hacer una Formulación de la Planificación
Más detallesINFORMACIÓN PROPEDÉUTICA ASIGNATURA: BASES DE DATOS DOCENTE: JAIDER J. QUINTERO MENDOZA
INFORMACIÓN PROPEDÉUTICA ASIGNATURA: BASES DE DATOS DOCENTE: JAIDER J. QUINTERO MENDOZA UNIVERSIDAD DE LA GUAJIRA FACULTAD DE INGENIERIA INGENIERIA DE SISTEMAS Riohacha - 2006 Justificación Esta asignatura
Más detallesLABORATORIO 8. Optimización de Consultas SQL a través de herramientas del SMBD Oracle
LABORATORIO 8. Optimización de Consultas SQL a través de herramientas del SMBD Oracle GUÍA DE LABORATORIO Nº 8 Actividad de Proyecto No. 10: desarrollar mantenimiento preventivo, correctivo o proactivo
Más detallesINSTRODUCCION. Toda organización puede mejorar su manera de trabajar, lo cual significa un
INSTRODUCCION Toda organización puede mejorar su manera de trabajar, lo cual significa un incremento de sus clientes y gestionar el riesgo de la mejor manera posible, reduciendo costes y mejorando la calidad
Más detallesProcedimiento de Sistemas de Información
Procedimiento de Sistemas de Información DIRECCIÓN DE COORDINACIÓN TÉCNICA Y PLANEACIÓN VIEMBRE DE 2009 PR-DCTYP-08 Índice. 1. INTRODUCCIÓN.... 3 2. OBJETIVO.... 4 3. ALCANCE.... 4 4. MARCO LEGAL.... 4
Más detallesORIENTACIONES SIMCE TIC
ORIENTACIONES SIMCE TIC Sistema Nacional de Medición de Competencias TIC en Estudiantes ORIENTACIONES SIMCE TIC Sistema Nacional de Medición de Competencias TIC en Estudiantes INDICE Introducción 7 Prueba
Más detallesÁRBOL DE PROBLEMA Y ÁREAS DE INTERVENCIÓN
METODOLOGIAS E INSTRUMENTOS PARA LA FORMULACIÓN, EVALUACIÓN Y MONITOREO DE PROGRAMAS SOCIALES ÁRBOL DE PROBLEMA Y ÁREAS DE INTERVENCIÓN Rodrigo Martínez Andrés Fernández Documento de uso exclusivo para
Más detallesactivuspaper Text Mining and BI Abstract
Text Mining and BI Abstract Los recientes avances en lingüística computacional, así como la tecnología de la información en general, permiten que la inserción de datos no estructurados en una infraestructura
Más detallesBusiness Process Management(BPM)
Universidad Inca Garcilaso de la Vega CURSO DE ACTUALIZACIÓN PROFESIONAL DE INGENIERÍA DE SISTEMAS Y CÓMPUTO Business Process Management(BPM) MSc. Daniel Alejandro Yucra Sotomayor E-mail: daniel@agenciati.com
Más detallesSISTEMA DE GESTION DE LA CALIDAD
Edición No. : 03 Pág. 1 de 5 I. DATOS INFORMATIVOS MATERIA: PRODUCCION CODIGO MATERIA: CCA20064 AREA: PRODUCTIVIDAD CREDITOS: 4 NUMERO HRS. SEM.: 64 NIVEL: SEXTO PRE-REQUISITOS: PRESUPUESTOS, CONTABILIDAD
Más detallesAUDITORÍAS Y AUDITORES ISO 9000:2000
AUDITORÍAS Y AUDITORES ISO 9000:2000 Ing. Miguel García Altamirano Servicios CONDUMEX S.A. de C.V. Delegado Mexicano en el Comité Internacional ISO TC 176 en el grupo JWG "Auditorías" Resumen: Los sistemas
Más detallesNormas chilenas de la serie ISO 9000
Normas chilenas de la serie ISO 9000 Hernán Pavez G. Director Ejecutivo del Instituto Nacional de Normalización, INN, Matías Cousiño N 64, 6 Piso, Santiago, Chile. RESUMEN: en nuestro país las empresas
Más detallesINTEGRACION DE BASES DE DATOS EN LA WEB
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: INTEGRACION DE BASES DE DATOS EN LA WEB Ingeniería en Tecnologías de la Información y Comunicaciones DSD-1202 SATCA1
Más detallesUNIVERSIDAD DR. JOSE MATIAS DELGADO Facultad de Economía, Empresas y Negocios
UNIVERSIDAD DR. JOSE MATIAS DELGADO Facultad de Economía, Empresas y Negocios Seminario de Investigación Tesina Elaboración de la estrategia de manejo de clientes (CRM) para la Fidelización en la empresa
Más detallesINTELIGENCIA DE NEGOCIOS. Business Intelligence. Alumno: Toledo Paucar Jorge
INTELIGENCIA DE NEGOCIOS Business Intelligence Alumno: Toledo Paucar Jorge INTELIGENCIA DE NEGOCIOS Business Intelligence Es un conjunto de conceptos y metodologías para mejorar la toma de decisiones.
Más detallesPrograma de Asignatura Base de datos
01 Carrera: Lic. Tecnología Informática 02 Asignatura: Base de datos 03 Año lectivo: 2013 04 Año de cursada: 2 05 Cuatrimestre: 2 06 Hs. Totales 6 07 Profesor: Lic.Pablo Sanz Programa de Asignatura Base
Más detallesTécnico en Mantenimiento de CRM: Recursos Empresariales y de Gestión de Relaciones con Clientes
Técnico en Mantenimiento de CRM: Recursos Empresariales y de Gestión de Relaciones con Titulación certificada por EUROINNOVA BUSINESS SCHOOL Técnico en Mantenimiento de CRM: Recursos Empresariales y de
Más detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesBASES DE DATOS TEMA 3 MODELO ENTIDAD - RELACIÓN
BASES DE DATOS TEMA 3 MODELO ENTIDAD - RELACIÓN 3.3 Aplicaciones Definición de Aplicación (Application). Programa informático que permite a un usuario utilizar una computadora con un fin específico. Las
Más detallesUNIVERSIDAD DEL CARIBE UNICARIBE. Escuela de Informática. Programa de Asignatura
UNIVERSIDAD DEL CARIBE UNICARIBE Escuela de Informática Programa de Asignatura Nombre de la asignatura : Base de Datos Carga académica : 4 créditos Modalidad : Semi-presencial Clave : INF-436 Pre-requisito
Más detallesPREPARADO POR: FECHA DE EMISIÓN: 20-05-05 FECHA DE VALIDACIÓN: 20-05-05
3. MONITORÍA Y EVALUACIÓN DE LA GESTIÓN SS-UPEG-3 PREPARADO POR: EQUIPO CONSULTOR FECHA DE EMISIÓN: 20-05-05 FECHA DE VALIDACIÓN: 20-05-05 VERSIÓN Nº: 1 Secretaría de Salud de Honduras - 2005 PÁGINA 2
Más detallesMaxpho Commerce 11. Gestión CSV. Fecha: 20 Septiembre 2011 Versión : 1.1 Autor: Maxpho Ltd
Maxpho Commerce 11 Gestión CSV Fecha: 20 Septiembre 2011 Versión : 1.1 Autor: Maxpho Ltd Índice general 1 - Introducción... 3 1.1 - El archivo CSV... 3 1.2 - Módulo CSV en Maxpho... 3 1.3 - Módulo CSV
Más detallesUnidad 1. Fundamentos en Gestión de Riesgos
1.1 Gestión de Proyectos Unidad 1. Fundamentos en Gestión de Riesgos La gestión de proyectos es una disciplina con la cual se integran los procesos propios de la gerencia o administración de proyectos.
Más detallesUnidad 5. Conceptos y Estructuras de Archivos
Unidad 5 Conceptos y Estructuras de Archivos En todos los tiempos y más aún en la era en que vivimos, el hombre tiene cada vez mas necesidad de consultar una mayor cantidad de información para poder desarrollar
Más detallesConsultoría Empresarial
Consultoría Empresarial Nuestra Misión Crear valor a nuestros clientes mediante la transferencia de conocimientos, experiencias y mejores prácticas gerenciales entregadas por medio de nuestras asesorías,
Más detallesData Warehouse Marco de Calidad
Data Warehouse Marco de Calidad Autor: Pablo Martín Gutiérrez Tutor: Antonio García Carmona Defensa del Proyecto de Final de Carrera Índice Introducción. Objetivos del PFC. Fundamentos Business Intelligence
Más detallesInteligencia de Negocios Introducción. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS
Inteligencia de Negocios Introducción Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Agenda 1.Introducción 2.Definición 3.ETL 4.Bodega de Datos 5.Data Mart
Más detallesSÍLABO. : Electivo : Ingeniería de Sistemas : IS0806. : VIII Ciclo : 2 de Teoría y 2 de Práctica : 03 : Ninguno
SÍLABO I. DATOS GENERALES 1.1. Nombre de la Asignatura 1.2. Carácter 1.3. Carrera Profesional 1.4. Código 1.5. Semestre Académico : 2014-I 1.6. Ciclo Académico 1.7. Horas de Clase 1.8. Créditos 1.9. Pre
Más detalles