Creando el próximo Data Warehouse: Integración y Calidad de Datos

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Creando el próximo Data Warehouse: Integración y Calidad de Datos"

Transcripción

1 Creando el próximo Data Warehouse: Integración y Calidad de Datos Sesión 1: Fundamentos del DWH Josep Tarruella 1 Agenda Sesión 1: Fundamentos del DWH Sesión 2: Fundamentos de la Calidad de Datos Sesión 3: Caso práctico: Un DWH con Calidad 2 1

2 Agenda Sesión 1 Presentación PowerData Presentación asistentes: Conocimientos y Expectativas Fundamentos DWH Introducción al DWH Arquitectura de un DWH Modelado de Datos y Metadatos Esquemas en Estrella Procesos y Estrategias de carga del DWH Herramientas de Integración de Datos Herramientas de Reporting y Análisis 3 Presentación PowerData 4 4 2

3 Presentación PowerData Representantes de Informatica Corporation (Nasdaq:INFA) en España, Portugal, Mexico y Argentina Informatica Nacida en 1993 Redwood City (CA) colaboradores Powerdata Nacida en 1999 Barcelona 70 colaboradores 5 La solución: los servicios de datos Necesidades empresariales Mejorar decisiones y cumplir con la normativa Modernizar el negocio y reducir los costes de TI Fusiones y adquisiciones Aumentar la rentabilidad del negocio Subcontratar funciones secundarias Iniciativas de TI Inteligencia empresarial Eliminación de sistemas heredados Consolidación de aplicaciones Hubs de productos, proveedores y clientes BPO SaaS Proyectos de integración de datos Almacenamiento de datos Migración de datos Consolidación de datos Gestión de datos maestros Sincronización de datos Servicios de datos Servicios de datos Solución de Informatica Informatica PowerExchange Plataforma de productos de Informatica Informatica Data Explorer Informatica Data Quality Informatica PowerCenter 6 3

4 La plataforma de productos de Informatica Automatización de todo el ciclo de vida de la integración de datos Auditoría, control y creación de informes Garantizar la coherencia de los datos, realizar análisis de impacto y supervisar constantemente la calidad de la información Data Explorer Data Quality Acceso A cualquier sistema, por lotes o en tiempo real Detección Buscar y perfilar cualquier tipo de datos de cualquier fuente Limpieza Validar, corregir y estandarizar datos de todo tipo Integración Transformar y conciliar datos de todo tipo Entrega Entregar los datos adecuados en el momento y formato adecuados PowerExchange PowerCenter Desarrollo y gestión Desarrollar y colaborar con un repositorio común y metadatos compartidos 7 Presentación Asistentes: Conocimientos y Expectativas 8 8 4

5 Fundamentos del DWH 9 Fundamentos del DWH Introducción al DWH: Qué es? Arquitectura de un DWH Modelado de Datos y Metadatos Esquemas en Estrella Procesos y Estrategias de carga del DWH Herramientas de Integración de Datos Herramientas de Reporting y Análisis 10 5

6 Fundamentos del DWH Introducción al DWH: Qué es? 11 Qué es un Data Warehouse? Orientado a un Tema Colección de información relacionada organizada alrededor de un tema central Integrado Datos de múltiples orígenes; consistencia de datos Variable en el tiempo Fotos en el tiempo Basado en fechas/periodos No-volátil Sólo lectura para usuarios finales Menos frecuencia de cambios/actualizaciones Usado para el Soporte a Decisiones y Análisis de Negocio 12 6

7 Orientado a Tema Los usuarios piensan en términos de cosas y sus relaciones, no en términos de procesos, funciones o aplicaciones. Proveedor Pedido Realiza Cliente Proporciona Contiene Orden de Compra Compuesta por Producto Recuperado desde Inventario 13 Integrado Contiene Convenciones de Nombres Descripciones Atributos físicos de los datos Valores de los datos Consistentes Admin. Marketing Datos Operaciones Ventas Cuentas 14 7

8 Variable en el tiempo Entorno Operacional Data Warehouse Datos en fotos Datos con valores actuales Horizonte de 5 10 años Horizonte de días Refleja la perspectiva desde un momento en el tiempo Exactitud en los accesos Id de cliente nombre dirección teléfono ratio de crédito Id de cliente fecha desde fecha hasta nombre dirección teléfono ratio de crédito 15 No-Volátil inserción cambio carga lectura borrado Sistema OLTP (dinámico) Sistema DSS (más estático) 16 8

9 Un Data Warehouse es... un modelo de datos de soporte a decisiones que representa la información que una compañía necesita para tomar BUENAS decisiones estratégicas. basado en la estructura de un sistema de gestión de base de datos relacional el cual puede ser usado para INTER-RELACIONAR los datos contenidos en él. con el propósito de proporcionar a los usuarios finales un acceso SENCILLO a la información. un CONCEPTO, no una COSA 17 Para qué construir un Warehouse? Para tener un mayor conocimiento del negocio Para tomar mejores decisiones y en un tiempo menor Para mejorar y ser más efectivos Para no perder distancia con la competencia en definitiva 18 9

10 Visión del Usuario Usuarios Finales Panel de Consulta Representación de Negocio Base de Datos Solución integrada de: Consultas, informes y análisis. Capa semántica que da una representación de los datos desde el punto de vista de negocio. 19 Los usuarios utilizan términos de negocio, no términos informáticos. Fundamentos del DWH Arquitectura de un DWH 20 10

11 Arquitectura de un DWH Nomenclatura DWH: Data Warehouse DataMart OLTP: On-Line Transaction Processing OLAP: On-Line Analytic Processing ROLAP: Relational On-Line Analytic Processing MOLAP: Multidimensional On-Line Analytic Processing ODS: Object Data Store DSS: Decision Support System ETL: Extract, Transform and Load ETQL: Extract, Transform, Quality and Load EII: Enterprise Information Integration EAI: Enterprise Application Integration ERP: Enterprise Resource Planning 21 Directo de OLTP a OLAP Life Information System Life Life OLAP Health Information System Health Health Query 22 Auto Information System Auto Auto Analysis 11

12 Directo de OLTP a OLAP Es bueno, si los datos lo son. Horizonte de tiempo limitado Compite con OLTP por los recursos Uso frecuente para hojas de cálculo No tiene metadatos (o sólo implícitos) Principalmente, para jefes de departamentos, no se considera información para las masas No hay información cruzada entre los diferentes sistemas 23 Data Warehouse Virtual: Directo o Federado Life Information System Life Health Information System Health EII "Customer" OLAP Auto Information System Auto 24 12

13 Data Warehouse Total Life Information System Life Extract: COBOL, SQL, Etc. Life OLAP MDD Tools Health Information System Health Extract: COBOL, SQL, Etc. Enterprise Data Warehouse Health R/OLAP Star Schema Auto Information System Auto Extract: COBOL, SQL, Etc. Auto SQL Query 25 Data Marts No Estructurados Life Information System Life Extract: COBOL, SQL, Etc. Life Data Mart Life OLAP MDD Tools Health Information System Health Extract: COBOL, SQL, Etc. Health Data Mart Health R/OLAP Star Schema Auto Information System Auto Extract: COBOL, SQL, Etc. Auto Data Mart Auto SQL Query 26 13

14 Data Marts Estructurados Life OLTP Health OLTP EXTRACT SELECT TRANSFORM INTEGRATE LOAD Cleanse Data for: Names Formats Values Domains Metadata Enterprise Data Warehouse "Customer" Life Data Mart Health Data Mart Life OLAP MDD Tools Health R/OLAP Star Schema Auto OLTP Auto Data Mart Auto SQL Query 27 OLAP (Online Analytic Processing) Herramientas orientadas a consulta/análisis Puede ser ROLAP o MOLAP 'Multi-dimensional', es decir, puede ser visualizada como cuadrículas' o 'cubos' Consulta interactiva de datos, siguiendo un hilo a través de múltiples pasos -- 'drill-down' Visualización como tablas cruzadas, y tablas pivotantes Actualización de la base de datos Capacidad de modelización (motor de cálculo) Pronósticos, tendencias y análisis estadístico

15 Ejemplo uso de una herramienta de consulta Información solicitada Información disponible Condiciones El interfaz de usuario simple Trabaja contra representación de negocio de los datos Todos los componentes en una pantalla 29 Los informes son la capa visible Integración Datos no sólo en entornos analíticos Importancia de la Calidad Herramientas de OLAP / Business Intelligence / Cuadro de Mando 30 Extracción Limpieza de Datos Transformación Carga de Datos Servidores Red Bases de Datos Middleware 15

16 Data Marts Estructurados: Visión Completa Ficheros: FF, XML DM Compras Aplicaciones: ERP,... BBDD Tiempo Real, WS, Http Integración + Calidad de Datos DWH DM Financiero DM Ventas Legacy Diseño Mapeos Perfilado de Datos ETL, Estandarización, Desduplicación Almacenamiento: Agregación, Indexación,... Replicación Distribución Análisis Reporting Cuadros Mando Metadatos: Análisis Impacto, Linaje de datos, Auditoría, Monitorización, etc 31 Fundamentos del DWH Modelado de Datos y Metadatos 32 16

17 Técnicas de Modelización Estructural En esta sección veremos técnicas que afectarán a diversos puntos Consideraciones de Tiempo Técnicas de Optimización 33 Consideraciones de Tiempo ESTRUCTURAL Tiempo Actualidad de Datos Agrupaciones basadas en tiempo Retención de Histórico Staging Area Data Data Marts Warehouse Relacional Dimensional Cuál es el impacto del Tiempo en cada Almacén de Datos? Todo el DW se ve afectado por cambios temporales porque por definición es Tiempo-dependiente 34 Preguntas importantes: Cuan actual deben ser los datos para satisfacer las necesidades de negocio? Cuánta historia necesitamos en nuestro negocio? Qué niveles de agregación son necesarios para qué ciclos de negocio? 17

18 Técnicas de Modelización Temporal Unidades de tiempo Calendarios de negocio Técnicas Foto (Snapshot) Trazado de Auditoría Metadatos temporales Fechas Efectivas de Inicio y Fin Fecha de cambio en Fuentes (evento) Fecha de cambio en Destinos (carga) 35 Foto (Snapshot) Dos técnicas diferentes Múltiples Tablas Tabla Única Uso de Fecha Efectiva Inicio en un ejemplo. Metadatos a nivel de registro Foto (SNAPSHOT) Nov 2001 CLIENTE Num Cliente Nombre Oct 2001 CLIENTE Apellido1 Apellido2 Num Cliente Género Nombre Fecha Carga Apellido1 Apellido2 Género Fecha Carga O bien CLIENTE Num Cliente Fecha Efectiva Inicio Nombre Apellido1 Apellido2 Género Fecha Carga 36 18

19 Foto (Snapshot) Múltiple Una tabla para cada período Se guardan TODOS los datos (cambien o no) Nombre de la tabla refleja el período Buen enfoque de (extracción/carga/modelado) para Data Marts. Cada mes, en el ejemplo, representa los datos tal y como estaban Mal enfoque para Staging, ya que hay mucha replicación de datos Foto (SNAPSHOT) Nov 2001 CLIENTE Num Cliente Nombre Oct 2001 CLIENTE Apellido1 Apellido2 Num Cliente GéneroNombre Fecha Carga Apellido1 Apellido2 Género Fecha Carga O bien CLIENTE Num Cliente Fecha Efectiva Inicio Nombre Apellido1 Apellido2 Género Fecha Carga 37 Foto (Snapshot) Única Se guardan TODOS los datos (cambien o no) Buen enfoque para Data Marts y puede ser útil en el Warehouse. Mal enfoque para Staging, ya que hay mucha replicación de datos Time Stamps imprescindibles Foto (SNAPSHOT) Fecha Efectiva de Negocio Nov 2001 CLIENTE Num Cliente Nombre Oct 2001 CLIENTE Apellido1 Apellido2 Num Cliente Género Nombre Fecha Carga Apellido1 Apellido2 Género Fecha Carga O bien CLIENTE Num Cliente Fecha Efectiva Inicio Nombre Apellido1 Apellido2 Género Fecha Carga 38 19

20 Foto (Snapshot) Única Fechas (Time Stamps) necesarias para identificar la validez de los datos: Fecha efectiva de Inicio Fecha efectiva de Fin (no está en el ejemplo) Fecha de Carga Num Cliente Fecha Efectiva Inicio Nombre Género Fecha Carga /10/2001 Juan Reyes Hombre 01/11/ /10/2001 Julia Astur Mujer 01/11/ /10/2001 Carlos Márquez Hombre 01/11/ /10/2001 Luis Tesquilo 01/11/ /11/2001 Juan Reyes Hombre 01/12/ /11/2001 Julia Picado Mujer 01/12/ /11/2001 Carlos Márquez Hombre 01/12/ /11/2001 Luis Tesquilo 01/12/2001 Vemos la duplicidad de los datos 39 Trazado de Auditoría Guarda los cambios de los datos de interés Información: Fecha del cambio Razón del cambio Cómo se ha detectado... Sólo se extraen/cargan valores modificados CLIENTE ID_cliente nombre apellido1 apellido2 género fecha_aniversario AUDITORIA CLIENTE ID_cliente fecha_inicio_efectiva nombre apellido1 apellido2 género fecha_aniversario fecha_carga Metadato a nivel registro Fecha de Negocio (no Metadato) 40 20

21 Trazado de Auditoría Num Cliente Fecha Efectiva Inicio Nombre Género Fecha aniversario Fecha Carga /10/2001 Juan Reyes Hombre 01/01/ /11/ /10/2001 Julia Astur Mujer 06/03/ /11/ /10/2001 Carlos Hombre 19/09/ /11/2001 Márquez /10/2001 Luis Tesquilo 25/07/ /11/ /11/2001 Julia Picado Mujer 06/03/ /12/2001 Sólo cambios en la tabla Usado en Staging Area y Data Warehouse Posible en Data Marts, pero no es habitual ya que no es claro para un usuario final 41 Técnicas de Optimización Estructural y Física ESTRUCTURAL Posición Tiempo Actualidad de Datos Agrupaciones basadas en tiempo Retención de Histórico Seguridad Distribución Staging Area Data Data Marts Warehouse Relacional Dimensional FÍSICO Implementación Uso Acceso Navegación Herramientas Rendimiento Tamaño Disponibilidad Recuperación DBMS Cómo debe optimizarse cada almacén de datos en la Implementación? 42 21

22 Técnicas de Optimización Derivación Data Warehouse y Data Marts Usos Facilitar acceso Consistencia resultados PÓLIZA num_póliza código_tipo_póliza fecha_inicio_póliza fecha_inicio_cobertura fecha_fin_cobertura términos cantidad_prima cantidad_servicio PÓLIZA RESIDENCIAL num_póliza total_cobertura supl_terremotos supl_inundaciones supl_viento supl_robos supl_arte total_suplementos una de PÓLIZA_AUTOMOVIL Derivación total_suplementos= supl_terremotos + supl_inundaciones + supl_viento + supl_robo + supl_arte num_póliza total_colisión Técnicas de Optimización Agregación No cambio de granularidad Objetivo: Facilitar el acceso a los datos Data Warehouse PÓLIZA num_póliza código_tipo_póliza fecha_inicio_póliza fecha_inicio_cobertura fecha_fin_cobertura términos cantidad_prima cantidad_servicio fecha_carga AGREGACIÓN PÓLIZA RESIDENCIAL num_póliza total_cobertura supl_terremotos supl_inundaciones supl_viento supl_robos supl_arte total_suplementos fecha_carga una de PÓLIZA_AUTOMOVIL num_póliza total_colisión descuento_cliente indic_precio_especial fecha_carga 44 PÓLIZA RESIDENCIAL num_póliza código_tipo_póliza fecha_inicio_póliza fecha_inicio_cobertura fecha_fin_cobertura términos cantidad_prima cantidad_servicio total_cobertura supl_terremotos supl_inundaciones supl_viento supl_robos supl_arte total_suplementos fecha_carga AGREGACIÓN PÓLIZA_AUTOMOVIL num_póliza total_colisión descuento_cliente indic_precio_especial código_tipo_póliza fecha_inicio_póliza fecha_inicio_cobertura fecha_fin_cobertura términos cantidad_prima cantidad_servicio fecha_carga Data Marts 22

23 Técnicas de Optimización Sumarización Histórica Agrupada CLIENTE id_cliente fecha_alta_cliente fecha_baja_cliente nombre apellido1 apellido2 grupo_edad género estado_civil indic_cliente_perdido fecha_carga RESUMEN ANUAL CLIENTES id_cliente año_resumen valor_inicio_año valor_final_año total_cuenta_inicio_año total_cuenta_final_año total_años_como_cliente AÑO num_año TRIMESTRE num_trimestre MES num_mes BASE CLIENTELA ANUAL id_zona id_producto código_tipo num_año cuenta_cliente BASE CLIENTELA id_zona id_producto código_tipo num_mes cuenta_cliente 45 Técnicas de Optimización Particionamiento Horizontal Particiones por filas Todos los campos repetidos en las nuevas tablas Uso Aislar datos sensibles Reducción tamaño tablas RESUMEN ANUAL CLIENTES id_cliente año_resumen código_región valor_inicio_año valor_final_año total_cuenta_inicio_año total_cuenta_final_año total_años_como_cliente RESUMEN ANUAL CLIENTES - SUR id_cliente año_resumen valor_inicio_año valor_final_año total_cuenta_inicio_año total_cuenta_final_año total_años_como_cliente RESUMEN ANUAL CLIENTES - NORTE id_cliente año_resumen valor_inicio_año valor_final_año total_cuenta_inicio_año total_cuenta_final_año total_años_como_cliente 46 23

24 Técnicas de Optimización CLIENTE Particionamiento Vertical División por columnas Posibilidad de columnas redundantes Uso Seguridad Distribución id_cliente fecha_alta_cliente fecha_baja_cliente nombre apellido1 apellido2 grupo_edad género estado_civil indic_cliente_perdido num_cuenta_debito nombre_banco_debito num_autorización_débito rango_crédito fecha_ultimo_check_credito fecha_carga Campos con Datos no Sensibles Campos con Datos Sensibles 47 Puede ser que tengamos Horizontal y Vertical a la vez CLIENTE id_cliente fecha_alta_cliente fecha_baja_cliente nombre apellido1 apellido2 grupo_edad género estado_civil indic_cliente_perdido fecha_carga CLIENTE_SEGURO id_cliente fecha_alta_cliente fecha_baja_cliente nombre apellido1 apellido2 num_cuenta_debito nombre_banco_debito num_autorización_débito rango_crédito fecha_ultimo_check_credito Técnicas de Optimización Particionamiento por Estabilidad Basado en frecuencia de cambio Uso en Staging Area Velocidad de carga Separar datos más volátiles minimiza cambios PÓLIZA RESIDENCIAL num_póliza fecha_inicio_póliza fecha_inicio_cobertura fecha_fin_cobertura términos cantidad_prima cantidad_servicio total_cobertura supl_terremotos supl_viento supl_inundación supl_pieles supl_arte supl_joyas supl_otros fecha_carga PÓLIZA RESIDENCIAL 48 Claves Primarias en ambas tablas num_póliza fecha_inicio_póliza fecha_inicio_cobertura fecha_fin_cobertura términos cantidad_prima cantidad_servicio total_cobertura supl_terremotos supl_viento supl_inundación fecha_carga PÓLIZA RESIDENCIAL num_póliza fecha_inicio_póliza supl_pieles supl_arte supl_joyas supl_otros fecha_carga Metadatos a Nivel Registro en ambas tablas 24

25 Técnicas de Optimización Claves Alternativas Caso especial de derivación Creada artificialmente para identificar entidades Habitualmente un entero Staging DW DM Hay que mantener un mapeo Fichero Master Ventas Número_factura Identificador Factura Número_cliente Identificador Cliente... Fichero Master Marketing ID_campaña Identificador campaña ID_cliente Identificador Cliente... PÓLIZAS ID_Póliza Identificador Póliza ID_Tomador Identificador Asegurado... Generación Generación Claves Claves Alternativas Alternativas 49 MAPEO_ID_CLIENTE código_sist_origen id_cliente_origen fecha_inicio fecha_fin num_id_cliente fecha_carga CLIENTE num_id_cliente fecha_alta fecha_baja grupo_edad... fecha_carga 50 Técnicas de Optimización Pre-Joins Caso especial de Agregación Data Warehouse y Data Marts Existe redundancia de Información Incrementeo uso espacio Acceso mucho más rápido En el DW PÓLIZA_AUTOMOVIL num_póliza fecha_inicio_póliza fecha_inicio_cobertura fecha_fin_cobertura términostotal_colisión descuento_cliente indic_precio_especial código_tipo_póliza... fecha_carga Mantendremos también las tablas separadas para cuando no necesitemos la Join PÓLIZA_Y_VEHÍCULO num_bastidor fecha_inicio_vehículo num_póliza fecha_inicio_cobertura fecha_fin_cobertura términostotal_colisión descuento_cliente indic_precio_especial código_tipo_póliza marca modelo... ind_abs ind_airbag ind_esp fecha_carga VEHÍCULO num_bastidor fecha_inicio_vehículo num_póliza marca modelo... ind_abs ind_airbag ind_esp fecha_carga 25

26 Técnicas de Optimización Cadenas de Datos Caso especial de Agregación Eficiente para Reporting NUNCA en operacionales o Staging, pero muy útil en DW y DM 51 Técnicas de Optimización Balancear diferentes Factores Rendimiento Seguridad Distribución Recuperación errores Tamaño & Crecimiento Bases de Datos del Data Warehose Estabilidad Histórico Acceso & Navegación Plataforma 52 26

27 Fundamentos del DWH Esquemas en Estrella 53 Puntos Fuertes de la Modelización Dimensional Coincide con las percepciones de los usuarios Estructura predecible, estándar Facilita el desarrollo de consultas y análisis Las herramientas OLAP pueden hacer suposiciones Cada dimensión es equivalente para todos los datos Puede ser modificada fácilmente Usa perspectivas de modelización comunes Simplifica la agregación 54 27

28 Modelización Dimensional - Regla de Oro Los Esquemas en Estrella deberían ser utilizados para cualquier dato accedido directamente por los usuarios finales. 55 El Esquema en Estrella Hechos Dimensiones De-normalizado (generalmente) Tiene caminos de unión bien diseñados Paraleliza la visión de los datos por el usuario Son fácilmente modificables Simplifica la comprensión y navegación por los metadatos Amplia la elección de herramientas de usuario final 56 28

29 Modelización Dimensional Tablas de Hechos: contienen datos cuantitativos sobre el negocio La clave primaria es una concatenación de claves de dimensión, incluyendo el tiempo Cada elemento de la clave primaria compuesta es una clave de integridad referencial hacia una tabla de dimensión. Contienen menos atributos, pero muchos más registros Tablas de Dimensión: gestionan datos descriptivos que reflejan las diversas dimensiones del negocio Contienen muchos atributos pero menos (pocos) registros La clave primaria ayuda a componer las claves primarias de las tablas de hechos 57 Esquema en Estrella (conceptual) 58 29

30 Diseño de una Tabla de Hechos Elija el PROCESO del Data Mart Comience el contenido del data mart a partir de datos de un solo origen Defina la GRANULARIDAD de la tabla de hechos Elija el nivel granular más bajo posible Transacciones individuales o fotos Elija las DIMENSIONES Reflejan el contenido de la tabla de hechos y la granularidad Elija los HECHOS Los hechos individuales y el ámbito de estos hechos deben ser específicos a la granularidad de la tabla de hechos 59 Identifique el Proceso Departamental Cuál es el proceso o función subyacente para el DM? Cuál es el ámbito aproximado del DM? Quién usará el DM? A qué preguntas les gustaría a los usuarios que contestaran los datos del DM? 60 30

31 Determine los Hechos Qué hechos están disponibles? Cuáles son los datos cuantitativos fundamentales que hay por debajo? Los hechos más útiles son los numéricos y aditivos Qué nivel de detalle (granularidad) necesita mantener? Serán datos atómicos (todo el detalle) o datos agregados (sumarizados)? Si son agregados, cómo (usando qué algoritmo)? Para qué propósito de negocio? Cuál es la frecuencia de carga de datos requerida? Cada transacción? Cada hora? Día? Semana? Mes? 61 Tablas de Hechos Sin Hechos - EVENTOS Eventos: Algo que ha ocurrido Ejemplo: Asistencia de estudiantes a una clase, asientos de pasajeros de línea aérea o habitaciones de hotel ocupadas Enlace el evento a: Tiempo / estudiante / profesor / curso / facilidades Típico para crear un hecho vacío Asistencia = 1 La granularidad es el evento individual de asistencia a clase FUENTE: Kimball,

32 Las Agregaciones Pueden: Asegurar la consistencia entre data marts Ser hechas reutilizables para mantenerlas de manera centralizada Mejorar el rendimiento del usuario Reducir los recursos necesarios para preparar las consultas (CPU, disco, memoria) Ser utilizadas en base a: Frecuencia de acceso Efecto del número de registros 63 Determine las Dimensiones Qué dimensiones pueden necesitar los usuarios? Cuáles son los conceptos fundamentales (entidades o temas) con los que los usuarios trabajarán? Siempre existirán al menos dos dimensiones; quizá hasta una decena. El tiempo será una dimensión prácticamente siempre Cuál es el identificador (clave primaria) de cada una de las dimensiones? No_Cliente, ID_Cuenta, NoFactura Los atributos de la dimensión se convierten en las cabeceras de los registros SQL 64 32

33 Para Cada Tabla de Dimensión Establezca la clave primaria para cada registro dimensional Use la clave primaria como una parte de la clave compuesta de la tabla de hechos Identifique los atributos de interés para los usuarios Qué atributos deben ser de-normalizados? Qué otros atributos podrían tener valores significativos? Hay alguna oportunidad de incluir datos de fuera? Cuáles? Ayúdese de los valores reales contenidos en los atributos 65 La Dimensión de Tiempo Debe ser día a día durante 5-10 años Separe los campos de semana, mes, día, año, día de la semana, vacaciones, estaciones, etc. Trimestres naturales y fiscales Créela como una sola tabla en el DWH Cargue el contenido en los DM a medida que se necesiten 66 33

34 Establezca Relaciones Dibuje la relación visualmente Identifique la cardinalidad (1-N) Entre la tabla de hechos... y cada tabla de dimensión Una Imagen vale más Métodos para Identificar Dimensiones y Hechos Informes de Concepto Reuniones y Entrevistas Requerimientos Especiales del Proyecto Documentos sobre Ámbito del Proyecto Peticiones de Información Cartas a los Reyes Magos Modelos y Bases de Datos Existentes Informes Actuales (y Deseados) 68 34

35 Ejemplo: Intereses de la División Financiera La división financiera ha preparado la siguiente lista de funcionalidades deseables en el data mart. Muchos de estos datos son información de cliente / demográfica. Nos permitirá evaluar el impacto de costes en nuestros clientes, ubicación y uso por nuestros clientes, costes incurridos por ubicación para servir a nuestros clientes y otros tipos de evaluaciones financieras relativas a costes, uso, etc. Este tipo de información será muy valiosa para dirigir los aspectos financieros y políticos de las planificaciones y soluciones futuras a los problemas actuales. 69 Esta información nos permitirá contestar mejor a las importantes preguntas que aparecerán durante ese proceso. Ejemplo: Frase de Ejemplo de Misión Capture datos de nuestro sistema para realizar evaluaciones por zonas de nuestros clientes, intereses y beneficios y para asesorar el impacto de costes sobre nuestra base de clientes

36 Ejemplo: Preguntas a la División Financiera 1. Datos demográficos de nuestros clientes - el tipo de datos que aparece en un censo (tipo de vivienda, valor de la vivienda, ocupación, sexo, educación, ingresos, etc.) Puede ser usado para enviar mensajes oficiales, evaluación de intereses de penalización, y mercado objetivo. 2. Clientes por clase de interés definición por clientes residenciales, comerciales, industriales, gobierno y multifamiliares. 3. Beneficio demográfico por cliente y consumo como valor de la vivienda, ingresos o educación. 71 Ejemplo: Preguntas a la División Financiera (2) 4. Información sobre el servicio al cliente incluyendo beneficio por los diferentes tipos de intereses y cobros por zona geográfica, beneficio y consumo. 5. Beneficio total por clase de cliente y categoría de intereses a lo largo de los últimos cinco años. Qué clases de clientes dan más beneficio? 6. Presupuesto del año en curso por zona debe mostrar el presupuesto actual y en qué áreas se han ido incurriendo esos costes. 7. Valor de activos por zona un informe que muestre el valor depreciativo de los activos propios por zona

37 Ejemplo: El Esquema Financiero en Estrella 73 Fundamentos del DWH Procesos y Estrategias de Carga del DWH 74 37

38 Mapeo de Datos Mapeo LÓGICO - describe cómo ir desde donde se encuentra hasta donde quiere ir Mapeo FÍSICO - Indica las rutas, baches, desvíos atajos de la carretera TRANSPORTE - Decida si está conduciendo un coche deportivo o un camión de recogida de chatarra PLANIFICACIÓN - Indica cuándo saldrá y cuánto espera que le lleve llegar al destino 75 Soluciones de Extracción, Transformación y Carga de Datos (ETL) Aproximación de primera generación (o crecimiento casero ) Mapean origen a destino con capacidades variables de transformación y limpieza Generan código o directamente deben programarse Suelen controlar metadatos limitados FUENTE: Doug Hackney,

39 Plataformas de Integración de Datos Soluciones integradas Capacidad de implantación a nivel corporativo Metadatos completos, abiertos y extensibles Abanico de transformaciones y reglas de negocio Análisis, entrega y planificación integradas Gestión Ad-hoc de agregaciones Monitorización y Auditoría integradas Funciones avanzadas de Calidad de Datos Versionados, despliegues inteligentes 77 Proceso de Diseño 1. CREACIÓN DE REPOSITORIO 2. IMPORTACIÓN DE DEFICIONES DE ORÍGENES 4. CREACIÓN DE MAPPINGS Def Origen Mapeo Def Destino 3. CREACIÓN DE ESQUEMA DESTINO 78 39

40 Transformaciones Más Comunes Creación de valores por defecto para los nulos Gestión de fechas Selección o filtrado de datos origen Unión de orígenes heterogéneos (SAP+Ficheros+Tablas+ ) Normalización de los ficheros de datos Generación de esquemas en estrella Creación de estrategias de actualización Creación y actualización de agregaciones Creación de dimensiones slowly-changing 79 Algunas Transformaciones Selección de datos del Origen representa la consulta o primer filtrado/ordenación de los datos origen Normalización convierte registros de orígenes relacionales o VSAM a registros normalizados (cláusulas OCCURS, REDEFINES) Cálculo de Expresiones/Nuevos Campos realiza cálculos a nivel de campo Filtro funciona como un filtro condicional de los registros procesados Agregación realiza cálculos agregados (totales o incrementales) Rango limita los registros a los primeros o últimos de un rango Estrategia de Actualización para marcar cada registro como inserción, actualización, borrado, o registro rechazado Lookup busca valores complementarios y los pasa a otros objetos Procedimientos Externos/Almacenados llama a programas desarrollados en otros lenguajes o en la base de datos Generador de Secuencia genera nuevos identificadores únicos 80 40

41 Trabajo con Transformaciones Ejemplo: Estrategia de Actualización ORIGEN EXTRACCIÓN DEL ORIGEN LOOKUP Busca Job_IDs en el destino T_JOBS ESTRATEGIA DE ACTUALIZACIÓN Basado en la coincidencia de Job_IDs, DESTINO 81 Diseño de Cargas Ordene los datos por secuencias específicas de carga Fuerce a reglas limitadas de integridad de datos Busque la carga correcta de cada paso Construya estadísticas de carga y mensajes de error Cree el plan para cargas fallidas qué debe ocurrir Produzca la notificación inmediata y automática en caso de fallos (y/o éxitos) en las cargas FUENTE: O Neil,

42 Consejos sobre Planificación de Cargas Orden de carga cargue primero las tablas independientes Determine la ventana necesaria de carga use las horas de inicio y final para determinar el tiempo necesario para las cargas Ejecute cargas en paralelo Ejecución concurrente Uso de threads, desarrollos multiproceso, paralelización de base de datos No sobrecargue los sistemas origen o destino Carque en paralelo un mismo destino Datos de sistemas independientes que van al mismo destino Cargue múltiples destinos en paralelo Datos del mismo origen que vayan a diferentes destinos ahorre accesos de lectura 83 Plan de Carga de Destinos Primero, tablas independientes Después, tablas que no contienen claves foráneas a otras tablas Por último, las tablas que contienen claves foráneas a otras tablas Tenga cuidado con transacciones de base de datos e intervalos de commit: los datos pueden estar cargados pero no validados 84 42

43 Planificación de Cargas Timing Ejecución manual Ejecución periódica cada n minutos/horas/días un máximo de veces/ para siempre Ejecución concreta Scripts de carga (.bat,.sh, JCL) En un momento determinado Cada primer martes de mes a las 21:43 Ejecución basada en eventos Disponibilidad del fichero origen Sólo si la carga anterior acabó bien/mal Planificación Planificación propio de la herramienta Planificador genérico Control^M, Tareas Programadas de Windows 85 Monitorización de Cargas El mantenimiento de un data mart es una revisión constante de los procesos para optimizar valores de datos, pasos, tiempos, recursos utilizados, accesos a sistemas origen o destino debido a los constantes requerimientos nuevos de los usuarios finales y el crecimiento en funcionalidad y volumen de datos que eso conlleva 86 43

44 La Creación de un Data Warehouse Sostenible y sus Data Marts Incrementales Requiere la Automatización de los Procesos de Carga 87 Fundamentos del DWH Herramientas de Integración de Datos 88 44

45 Integración de Datos, más allá del BI El ETL se ha quedado relegado a entornos analíticos Aparecen necesidades de Integración de datos para otro tipo de proyectos Externalización Migraciones Integración de Aplicaciones, BBDD Sincronización etc 89 Un proceso simple? ETL 90 45

46 Ensanchando el concepto de Integración de Datos EIM, Content Management Metadatos Complex Data Exchange Data Grid High Availability Data Profiling Data Quality Web Services (SOA) Real Time ETL Federation Aplicaciones y Midleware (SAP, Siebel, TIBCO, Biztalk, ) Changed Data Capture EAI Mainframe Scheduling DWL Auditing Team Base Develop/ BI (BO, SAS, Microstrategy, Hyperion, Cognos ) 91 Bases de Datos (Oracle, Microsoft, IBM, ) Acceso Universal a los Datos Entrega de datos a Sistemas, Procesos y Organizaciones XML, Messaging, and Web Services Packaged Applications Relational and Flat Files Mainframe and Midrange Systems IBM MQSeries TIBCO webmethods SAP NetWeaver XI SAP NetWeaver SAP IDOC SAP BCI SAP DMI SAP BW Oracle DB2 UDB DB2/400 SQL Server Sybase ADABAS Datacom DB2 IDMS IMS Flat Files, XLS, PPT FTP Encrypted Stream XML, PDF, DOC, Web Services XML JMS ODBC Peoplesoft Oracle Apps Siebel SAS Informix Teradata ODBC Flat Files Web Logs VSAM C-ISAM Complex Files Tape Formats Oracle SQL Server Industry Formats Using Informatica s flexible integration architecture, we are able to connect to over 1,000 data sources worldwide, including multiple instances of Oracle ERP, SAP R/3, J.D. Edwards, custom, mainframe, web, CICS, & object-oriented applications. Etc etc

47 Informatica PowerCenter Puntos de interés como plataforma de integración de datos (1/2) Permite integrar múltiples fuentes de datos heterogéneas Fácil de usar. Desarrollo de alta productividad Herramientas de trabajo visuales. Interfaz gráfico totalmente intuitivo Asistentes de transformación NO hay generación de código Detección de errores (debugger integrado) Reutilización de componentes Fácil de mantener: Metadatos corporativos Análisis de Impacto Análisis del Linaje de datos Presentación Web Metadatos y Autodocumentación Metadatos extensibles Despliegues guiados. Rollback Versionado 93 Informatica PowerCenter Puntos de interés como plataforma de integración de datos (2/2) Plataforma de Alto rendimiento Grid computing Alta Disponibilidad Tolerancia a fallos y recuperación automática Soporte a cargas BULK Capacidades de Tiempo real Conectores WebServices, ESB, EAI Soporte ETL, EII Adaptabilidad y escalabilidad Plataforma, recursos, volumen y usuarios Capacidad de expandir las Transformaciones con módulos externos (PL/Sql, C++, ) Autodocumentación Planificador integrado 94 47

48 Informatica PowerCenter Trabajar como pienso Del papel TABLA REFERENCIA DESTINO MAESTRO DATAWAREHOUSE DETALLE UNION TOTALES SALIDA_XML 95 Informatica PowerCenter a la práctica 96 48

49 Informatica PowerCenter Herramientas Cliente Designer: Diseño del proceso de extracción y carga Diseño gráfico (origen, destino, transformación) Asistentes de transformación (reutilización de reglas) Generación automática de código para acceso, transformación y carga. Transformaciones predefinidas y flexibilidad para creación de nuevas reglas de transformación. Workflow Manager: Planificador de procesos Orquestación y planificación de procesos ETL. Workflow Monitor: Monitor de ejecuciones Seguimiento, control y monitorización de procesos de integración. 97 Informatica PowerCenter Herramientas Cliente: Designer Diseño lógico del proceso de transformación Representación gráfica del flujo de datos: Mapping 98 49

50 Informatica PowerCenter Herramientas Cliente: Workflow Manager Definir el entorno de ejecución para el proceso Session Task Agrupar procesos y especificar el orden y condiciones de ejecución Workflow 99 Informatica PowerCenter Herramientas Cliente: Workflow Monitor Ejecutar y verificar los resultados

Sistema de análisis de información. Resumen de metodología técnica

Sistema 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 detalles

DATA WAREHOUSE DATA WAREHOUSE

DATA WAREHOUSE DATA WAREHOUSE DATA WAREHOUSE DATA WAREHOUSE Autor: Roberto Abajo Alonso Asignatura: Sistemas Inteligentes, 5º Curso Profesor: José Carlos González Dep. Ing. Sistemas Telemáticos, E.T.S.I. Telecomunicación Universidad

Más detalles

SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA

SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA Qué es inteligencia de negocios? (BI) Business Intelligence es la habilidad para transformar los datos en información, y la información en

Más detalles

SQL Server Business Intelligence parte 1

SQL Server Business Intelligence parte 1 SQL Server Business Intelligence parte 1 Business Intelligence es una de las tecnologías de base de datos más llamativas de los últimos años y un campo donde Microsoft ha formado su camino a través de

Más detalles

Por qué BI? Avances tecnológicos y su costo de adquisición

Por qué BI? Avances tecnológicos y su costo de adquisición Business Intelligence Seminario Business Intelligence Por qué BI? Avances tecnológicos y su costo de adquisición Definición de Intelligence Transformación de información en conocimiento Ciclo de Inteligencia

Más detalles

Capacitación SAP BW Plataforma Tecnológica Única

Capacitación SAP BW Plataforma Tecnológica Única Capacitación SAP BW Plataforma Tecnológica Única Noviembre, 2011 Agenda Presentación del Instructor e Integración Grupal Objetivos del Taller Qué es un Datawarehouse? Qué es SAP BW? Estructura / Capas

Más detalles

Business Intelligence.

Business Intelligence. Business Intelligence. Qué es inteligencia de negocios? Es el proceso de analizar los bienes o datos acumulados en la empresa y extraer una cierta inteligencia o conocimiento de ellos. Dentro de la categoría

Más detalles

Business Intelligence. Octubre 2007 1

Business Intelligence. Octubre 2007 1 Business Intelligence 1 1. Introducción al Business intelligence Qué es? En qué nivel de negocio se aplica? 2. Componentes del BI Esquema de una solución BI DataWarehouse Query & Reporting OLAP Cuadro

Más detalles

Licencia GNU FDL. Detalle del cambio. Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Versión incial. 05/11/2009

Licencia GNU FDL. Detalle del cambio. Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Versión incial. 05/11/2009 Licencia GNU FDL Copyright 2009 Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Se otorga permiso para copiar, distribuir y/o modificar este documento bajo los términos de la Licencia

Más detalles

Sistemas de Información para la Gestión. UNIDAD 2: RECURSOS DE TI Información y Aplicaciones

Sistemas de Información para la Gestión. UNIDAD 2: RECURSOS DE TI Información y Aplicaciones UNIDAD 2: RECURSOS DE TI Información y Aplicaciones UNIDAD 2: RECURSOS DE TI Información y Aplicaciones 1. La Información: Propiedades de la Información. Sistemas de Información. Bases de Datos. 2. Administración

Más detalles

Almacén de datos - concepto. Arquitectura de un sistema de almacén de datos

Almacén de datos - concepto. Arquitectura de un sistema de almacén de datos Almacén de datos - concepto Almacén de datos (Bodega de Datos, Data warehouse) es una integrada colección de datos que contiene datos procedentes de sistemas del planeamiento del recurso de la empresa

Más detalles

Business Information Warehouse Manual SAP BW Business Information Warehouse

Business Information Warehouse Manual SAP BW Business Information Warehouse Manual SAP BW Business Information Warehouse Manual SAP BW / BI Business Information Warehouse Página 1 Confidencialidad Este documento es propiedad de E-SAP (CVOSOFT) por lo tanto, no podrá ser publicado

Más detalles

Business Intelligence

Business Intelligence Business Intelligence Metodología > 1 Implantación tecnológica de un balanced scorecard Precio 1.000 Este curso introduce al alumno en la metodología de BSC y su implantación tecnológica para el seguimiento

Más detalles

TECNOLÓGICAS EMPRESAS

TECNOLÓGICAS EMPRESAS SOLUCIONES TECNOLÓGICAS INTEGRALES PARA LAS EMPRESAS Por: Ivonne Rodríguez CONTENIDO 1. Problemas actuales en las empresas 2. Bussines Intelligence 3. Capa: Data Warehouse 4. Capa: BI en el campo empresarial

Más detalles

Botón menú Objetivo de la Minería de datos.

Botón menú Objetivo de la Minería de datos. Titulo de Tutorial: Minería de Datos N2 Botón menú: Introducción. Las instituciones y empresas privadas coleccionan bastante información (ventas, clientes, cobros, pacientes, tratamientos, estudiantes,

Más detalles

Definición. 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 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 detalles

Business Intelligence

Business Intelligence Business Intelligence Curso 2012-2013 Departamento de Lenguajes y Sistemas Informáticos II http://www.kybele.es ISI/SI - 1 Introducción Nuestra misión: Hacer inteligente el negocio Buenos días. Soy Negocio.

Más detalles

Data Warehousing - Marco Conceptual

Data Warehousing - Marco Conceptual Data Warehousing - Marco Conceptual Carlos Espinoza C.* Introducción Los data warehouses se presentan como herramientas de alta tecnología que permiten a los usuarios de negocios entender las relaciones

Más detalles

Introducción a BusinessObjects XI Release 2 Service Pack 2 / Productivity Pack

Introducción a BusinessObjects XI Release 2 Service Pack 2 / Productivity Pack Introducción a BusinessObjects XI Release 2 Service Pack 2 / Productivity Pack Acerca de este manual Acerca de este manual Este manual proporciona información para empezar a utilizar BusinessObjects XI

Más detalles

SISTEMA DE INFORMACION DE GESTION DE TARJETAS DE CREDITO USANDO DATA MART E INTELIGENCIA DE NEGOCIOS PARA EL AREA COMERCIAL DEL BANCO RIPLEY PERU

SISTEMA DE INFORMACION DE GESTION DE TARJETAS DE CREDITO USANDO DATA MART E INTELIGENCIA DE NEGOCIOS PARA EL AREA COMERCIAL DEL BANCO RIPLEY PERU SISTEMA DE INFORMACION DE GESTION DE TARJETAS DE CREDITO USANDO DATA MART E INTELIGENCIA DE NEGOCIOS PARA EL AREA COMERCIAL DEL BANCO RIPLEY PERU AGENDA INTRODUCCION PLANTEAMIENTO METODOLOGICO ANTECEDENTES

Más detalles

Modelado dimensional de datos

Modelado dimensional de datos MODELADO DE DATOS DATA WAREHOUSE Ana María Bisbé York a.bisbe@danysoft.com, Servicios Profesionales sp@danysoft.com www.danysoft.com 18.04.2013 Temario Datawarehouse vs Transaccional Modelado dimensional

Más detalles

Cuáles son algunos de los padecimientos que enfrentan las empresas hoy día?

Cuáles son algunos de los padecimientos que enfrentan las empresas hoy día? Qué es Inteligencia de Negocios? Una interesante definición para inteligencia de negocios o BI, por sus siglas en inglés, según el Data Warehouse Institute, lo define como la combinación de tecnología,

Más detalles

Fundamentos de la Inteligencia de Negocios

Fundamentos de la Inteligencia de Negocios Universidad Nacional de Salta Facultad de Ciencias Económicas, Jurídicas y Sociales Sistemas de Información para la Gestión Fundamentos de la Inteligencia de Negocios Administración de Bases de Datos e

Más detalles

BUSINESS INTELLIGENCE

BUSINESS 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 detalles

CAPÍTULO 2 DATA WAREHOUSES

CAPÍTULO 2 DATA WAREHOUSES CAPÍTULO 2 DATA WAREHOUSES Un Data Warehouse (DW) es un gran repositorio lógico de datos que permite el acceso y la manipulación flexible de grandes volúmenes de información provenientes tanto de transacciones

Más detalles

Oracle Database 11g para Data Warehousing e Inteligencia de Negocios. Informe Ejecutivo de Oracle Julio de 2007

Oracle Database 11g para Data Warehousing e Inteligencia de Negocios. Informe Ejecutivo de Oracle Julio de 2007 Oracle Database 11g para Data Warehousing e Inteligencia de Negocios Informe Ejecutivo de Oracle Julio de 2007 Oracle Database 11g para Data Warehousing e Inteligencia de Negocios Introducción... 3 Integrar...

Más detalles

Tecnologías de Información y Comunicación II.

Tecnologías de Información y Comunicación II. INGENIERÍA EN INFORMÁTICA Tecnologías de Información y Comunicación II. INFORME: ETL y Modelo Estrella. NOMBRE : Ruben Chura, Andony Pavez. CARRERA : Ingeniería en Informática. ASIGNATURA : Tecnologías

Más detalles

Comparación de características entre las ediciones Estándar y Enterprise

Comparación de características entre las ediciones Estándar y Enterprise Comparación de características entre las ediciones Estándar y Enterprise Enterprise Enterprise es una plataforma completa de datos para ejecutar aplicaciones de misión crítica OLTP (Online Transaction

Más detalles

PROYECTO DE TESIS DIEGO GALLARDO. ESPEL - Diego Gallardo

PROYECTO DE TESIS DIEGO GALLARDO. ESPEL - Diego Gallardo PROYECTO DE TESIS DIEGO GALLARDO TEMA DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE ADMINISTRACIÓN DE TIEMPOS EN PROYECTOS DE DESARROLLO DE SOFTWARE Y CONTROL DE DESEMPEÑO MEDIANTE CUBOS DE INFORMACIÓN PARA

Más detalles

Sistemas de Información 12/13 La organización de datos e información

Sistemas 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 detalles

Oracle Business Intelligence Suite Standard Edition One. Antonio Akiyama (antonio.akiyama@gbsperu.net) Consultor Senior Business Intelligence

Oracle Business Intelligence Suite Standard Edition One. Antonio Akiyama (antonio.akiyama@gbsperu.net) Consultor Senior Business Intelligence Oracle Business Intelligence Suite Standard Edition One Antonio Akiyama (antonio.akiyama@gbsperu.net) Consultor Senior Business Intelligence Desafíos actuales Visibilidad y Transparencia Rentabilidad,

Más detalles

Primeros pasos hacia la Inteligencia de Negocios: Almacenes de datos (DataWareHouse), Herramientas ETL(PDI), Procesamiento analítico en línea.

Primeros pasos hacia la Inteligencia de Negocios: Almacenes de datos (DataWareHouse), Herramientas ETL(PDI), Procesamiento analítico en línea. Primeros pasos hacia la Inteligencia de Negocios: Almacenes de datos (DataWareHouse), Herramientas ETL(PDI), Procesamiento analítico en línea. Introducción Una solución de Business Intelligence parte de

Más detalles

Inteligencia 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 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 detalles

RECURSOS DE TI Aplicaciones - Bibliografía FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS

RECURSOS DE TI Aplicaciones - Bibliografía FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS Sistemas de Información para la Gestión UNIDAD 3: RECURSOS DE TECNOLOGÍA DE INFORMACIÓN Aplicaciones UNIDAD 2: RECURSOS DE TI Aplicaciones 1. Administración de bases de datos e información: Sistemas de

Más detalles

SAP Crystal Solutions

SAP Crystal Solutions SAP Crystal Solutions SAP Crystal Solutions NOVEDADES EN 2011 CONTENIDO ^ 4 Novedades de SAP Crystal Server 2011 4 Exploración de datos guiada 5 Experiencia de usuario atractiva 5 Panel de consultas comunes

Más detalles

Fundamentos de la Inteligencia de Negocios

Fundamentos de la Inteligencia de Negocios Sistemas de Información para la Gestión UNIDAD 2: Infraestructura de Tecnología de la Información Unidad 2 Infraestructura de Tecnología de la Información Estructura de TI y tecnologías emergentes. Estructura

Más detalles

IBM InfoSphere Information Server V8.5 con IBM InfoSphere Foundation Tools ayuda a suministrar información fiable

IBM InfoSphere Information Server V8.5 con IBM InfoSphere Foundation Tools ayuda a suministrar información fiable ZP10-0222, fechado el 12 de octubre de 2010 IBM InfoSphere Information Server V8.5 con IBM InfoSphere Foundation Tools ayuda a suministrar información fiable Tabla de contenidos 1 Visión general 2 Fecha

Más detalles

Evaluación de un sistema de información para mejorar la red de ventas Pág. 1 SUMARIO 1 A. TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN 3

Evaluación de un sistema de información para mejorar la red de ventas Pág. 1 SUMARIO 1 A. TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN 3 Evaluación de un sistema de información para mejorar la red de ventas Pág. 1 Sumario SUMARIO 1 A. TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN 3 A.1. Intranet...3 A.2. Extranet...4 A.3. Internet...4 A.4.

Más detalles

asired EIS Descripción de producto. Integración de Sistemas Explotación de Datos y Business Intelligence para la Pequeña y Mediana Empresa.

asired EIS Descripción de producto. Integración de Sistemas Explotación de Datos y Business Intelligence para la Pequeña y Mediana Empresa. asired EIS Integración de Sistemas Explotación de Datos y Business Intelligence. Descripción de producto. 2004 Así-Red Servicios Telemáticos, S.L.L. C/ Progreso, 36, 3º B 36202 Vigo Telf. 986 44 34 91

Más detalles

Escalabilidad y Rendimiento en una Solución BI. Copyright 2008, Solid Quality Mentors. All rights reserved.

Escalabilidad y Rendimiento en una Solución BI. Copyright 2008, Solid Quality Mentors. All rights reserved. Escalabilidad y Rendimiento en una Solución BI Agenda Escalabilidad Rendimiento Escalabilidad SSIS Podemos instalar SSIS de forma independiente en un servidor Podemos escalar utilizando varios servidores

Más detalles

Gerencia de Procesos de Negocio (Business Process Management, BPM). Lic. Patricia Palacios Zuleta

Gerencia de Procesos de Negocio (Business Process Management, BPM). Lic. Patricia Palacios Zuleta Gerencia de Procesos de Negocio (Business Process Management, BPM). Lic. Patricia Palacios Zuleta (Business Process Management, BPM). La Gerencia de los Procesos del Negocio: Se define como: "integración

Más detalles

FACULTAD DE INGENIERÍA. Bases de Datos Avanzadas

FACULTAD 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 detalles

Estos documentos estarán dirigidos a todas las personas que pertenezcan a equipos de implementación de Oracle BI, incluyendo a:

Estos 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 detalles

Business Intelligence: Competir con Información

Business Intelligence: Competir con Información Business Intelligence: Competir con Información Reus, 16 de Noviembre de 2011 Página 1 Página 2 Sumario Sistemas de Información - Introducción Introducción Business Intelligence Datawarehouse OLAP Data

Más detalles

Portafolio de soluciones BO Plataforma Tecnológica Única

Portafolio de soluciones BO Plataforma Tecnológica Única Portafolio de soluciones BO Plataforma Tecnológica Única Noviembre, 2011 Agenda Objetivo Oferta de Valor Portafolio de Productos Enterprise Information Management Information Discovery and Delivery Preguntas

Más detalles

Informática II Ing. Industrial. Data Warehouse. Data Mining

Informática II Ing. Industrial. Data Warehouse. Data Mining Data Warehouse Data Mining Definición de un Data Warehouses (DW) Fueron creados para dar apoyo a los niveles medios y altos de una empresa en la toma de decisiones a nivel estratégico en un corto o mediano

Más detalles

SAP Crystal Solutions

SAP Crystal Solutions SAP Crystal Solutions SAP Crystal Solutions NOVEDADES EN 2011 CONTENIDO 4 Novedades de SAP Crystal Server 2011 4 Exploración guiada de datos 5 Experiencia de usuario atractiva 5 Panel común de consultas

Más detalles

UN PASEO POR BUSISNESS INTELLIGENCE

UN 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 detalles

SQL Server Reporting Services 2000 y 2005

SQL Server Reporting Services 2000 y 2005 SQL Server Reporting Services 2000 y 2005 Este artículo presenta SQL Server Reporting Services. Se presentan primero las funcionalidades de la primera versión de esta herramienta y después las mejoras

Más detalles

FUNDAMENTOS DE DATA WAREHOUSE

FUNDAMENTOS DE DATA WAREHOUSE FUNDAMENTOS DE DATA WAREHOUSE 1. Qué es Data Warehouse? El Data Warehouse es una tecnología para el manejo de la información construido sobre la base de optimizar el uso y análisis de la misma utilizado

Más detalles

Microsoft SQL Server Conceptos.

Microsoft 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 detalles

SolucionesAnalíticas con Pentaho.

SolucionesAnalíticas con Pentaho. SolucionesAnalíticas con Pentaho. Objetivo Obtener experiencia práctica con los siguientes componentes de la plataforma Pentaho: Pentaho Data Integration (Kettle) Pentaho Analysis Services (Mondrian) Pentaho

Más detalles

Business Intelligence

Business Intelligence 2012 Business Intelligence Agenda Programas Diferencias de OLTP vs OLAP Arquitectura de una solución de BI Tecnologías Microsoft para BI Diferencias entre OLTP v/s OLAP Alineación de Datos OLTP Datos organizados

Más detalles

Control Informático de Gestión. Tema 5: Sistemas de Apoyo a la Toma de Decisiones

Control Informático de Gestión. Tema 5: Sistemas de Apoyo a la Toma de Decisiones Control Informático de Gestión Tema 5: Sistemas de Apoyo a la Toma de Decisiones Índice Revisión de los sistemas de información en la empresa La información y la toma de decisiones Sistemas transaccionales

Más detalles

Creando el próximo Data Warehouse: Integración y calidad de datos

Creando el próximo Data Warehouse: Integración y calidad de datos Creando el próximo Data Warehouse: Integración y calidad de datos Caso práctico Pei-Yung Chan 1 Agenda Procesos de integración y calidad de datos Uso de PowerCenter como herramienta de integración de datos

Más detalles

Volver. Miguel Ángel De La Cruz Carrasco Asesor Técnico de Bases de Datos Consejería de Obras Públicas y Transportes de la Junta de Andalucía

Volver. Miguel Ángel De La Cruz Carrasco Asesor Técnico de Bases de Datos Consejería de Obras Públicas y Transportes de la Junta de Andalucía PROYECTO ALMACÉN DE LA CONSEJERÍA DE OBRAS PÚBLICAS Y TRANSPORTES DE LA JUNTA DE ANDALUCÍA, COMO PLATAFORMA PARA LA INTEGRACIÓN Y EL ANÁLISIS DE LOS DATOS Asesor Técnico de Bases de Datos Consejería de

Más detalles

CA ERwin Data Profiler

CA ERwin Data Profiler RESUMEN DEL PRODUCTO: CA ERWIN DATA PROFILER CA ERwin Data Profiler CA ERWIN DATA PROFILER AYUDA A LAS ORGANIZACIONES A REDUCIR LOS COSTOS Y RIESGOS ASOCIADOS CON LA INTEGRACIÓN DE DATOS, AL BRINDAR CAPACIDADES

Más detalles

SpagoBI Open Source Business Intelligence

SpagoBI Open Source Business Intelligence SpagoBI Open Source Business Intelligence La plataforma SpagoBI Open Source Business Intelligence Conceptos Inteligencia empresarial (Business Intelligence) es un agregado de aplicaciones y herramientas

Más detalles

LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI

LOS 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 detalles

INTELIGENCIA DE NEGOCIOS

INTELIGENCIA DE NEGOCIOS INTELIGENCIA DE NEGOCIOS En tiempos de incertidumbre financiera, la toma de decisiones basada en información es crucial para sobrevivir en el mundo de los negocios. Empresas de todas las industrias dependen

Más detalles

6.1 Introducción a los sistemas EAI

6.1 Introducción a los sistemas EAI 6.1 Introducción a los sistemas EAI Integración de Aplicaciones (1) El problema de la integración de aplicaciones consiste en hacer colaborar entre sí a aplicaciones distribuidas, heterogéneas y posiblemente

Más detalles

IBM Cognos Enterprise: Inteligencia de negocio y gestión del rendimiento potente y escalable

IBM Cognos Enterprise: Inteligencia de negocio y gestión del rendimiento potente y escalable : Inteligencia de negocio y gestión del rendimiento potente y escalable Puntos destacados Dota a los usuarios de su organización de las capacidades de business intelligence y de gestión del rendimiento

Más detalles

Tecnologías de la Información en la Gestión Empresarial

Tecnologías 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 detalles

APOYO PARA LA TOMA DE DECISIONES

APOYO PARA LA TOMA DE DECISIONES APOYO PARA LA TOMA DE DECISIONES Cátedra: Gestión de Datos Profesor: Santiago Pérez Año: 2006 Bibliografía: Introducción a las Bases de Datos. DATE - 1 - 1. INTRODUCCION APOYO PARA LA TOMA DE DECISIONES

Más detalles

Cuadro de mando para el análisis de la información de Extranjería del Ministerio de Administraciones Públicas

Cuadro de mando para el análisis de la información de Extranjería del Ministerio de Administraciones Públicas Cuadro de mando para el análisis de la información de Extranjería del Ministerio de Administraciones Públicas José Antonio Peláez Ruiz Ministerio de Administraciones Públicas Alfonso Martín Murillo BG&S

Más detalles

Sistemas de Soporte a la Decisión (Business Intelligence) para las Pymes de Collado Villalba

Sistemas de Soporte a la Decisión (Business Intelligence) para las Pymes de Collado Villalba Sistemas de Soporte a la Decisión (Business Intelligence) para las Pymes de Collado Villalba 1 Manual básico de Inteligencia de negocio para PYMEs Índice 1. 1. Introducción 2. 2. Sistemas de Reporting

Más detalles

Customer Relationship Management

Customer Relationship Management Universidad Católica Nuestra Señora de la Asunción Facultad de Ciencias y Tecnologías Customer Relationship Management Teoría y Aplicación de la Informática 2 Profesor: Juan de Urraza Alumno: Carlos Augusto

Más detalles

El presente artículo se centra en el conocimiento

El presente artículo se centra en el conocimiento Herramientas para el Diseño de Sistemas de Gestión del Conocimiento Basadas en Inteligencia Empresarial Lilian Judith Sandoval.¹ Salvador Peña.² Resumen El presente artículo se centra en el conocimiento

Más detalles

Business Intelligence

Business Intelligence Business Intelligence Definición Business Intelligence es una aproximación estratégica para identificar, vigilar, comunicar y transformar, sistemáticamente, signos e indicadores en información activa en

Más detalles

Transformación de grandes cantidades de datos en valiosa estrategia Business Intelligence

Transformación de grandes cantidades de datos en valiosa estrategia Business Intelligence MICROSOFT SQL SERVER 2000 SOLUCIÓN C SPAR Handels AG Transformación de grandes cantidades de datos en valiosa estrategia Business Intelligence Publicado: Mayo de 2001 SPAR es un minorista líder europeo

Más detalles

Business Information Warehouse

Business Information Warehouse Business Information Warehouse The Business Information Warehouse (BW) es un amplio cubo de información de toda la empresa. Esto le permite analizar datos de las aplicaciones R/3 o cualquier otra aplicación

Más detalles

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003 MINERÍA DE DATOS Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE Octubre - 2003 CONTENIDO Qué es Data Warehousing Data Warehouse Objetivos del Data Warehouse

Más detalles

Gestión de la Información Empresarial - EDM. Punto de Vista

Gestión de la Información Empresarial - EDM. Punto de Vista Gestión de la Información Empresarial - EDM Punto de Vista Febrero 2012 EDM Nuestra propuesta de Valor Necesidades del Mercado Imperativos de Tecnología 1. Integrar múltiples fuentes de para proporcionar

Más detalles

CURSO DE ADMINISTRACIÓN Y PROGRAMACIÓN EN SQL SERVER 2008 BUSINESS INTELLIGENCE

CURSO DE ADMINISTRACIÓN Y PROGRAMACIÓN EN SQL SERVER 2008 BUSINESS INTELLIGENCE CURSO DE ADMINISTRACIÓN Y PROGRAMACIÓN EN SQL SERVER 2008 BUSINESS INTELLIGENCE 1. INFORMACIÓN GENERAL DEL CURSO: Duración de Horas : 44 horas 2. DESCRIPCIÓN DEL CURSO: Proveer a las compañías la habilidad

Más detalles

Ciclo Evolutivo - Fundamentos

Ciclo Evolutivo - Fundamentos TECNOLOGIA DE RECURSOS EMPRESARIALES, BUSINESS INTELLIGENCE Y DATAWAREHOUSE Ciclo Evolutivo - Fundamentos 1 Evolución de los ERP - OLTP 50-60 Cantidad Económica de Pedidos, Stock Mínimo, Punto de Pedido,

Más detalles

www.microsoft.com/office/sharepointserver www.abd.es Contenido empresarial administrado en una interfaz de usuario basada en Web.

www.microsoft.com/office/sharepointserver www.abd.es Contenido empresarial administrado en una interfaz de usuario basada en Web. Microsoft Office SharePoint Server 2007 es un conjunto integrado de características de servidor que puede contribuir a mejorar la eficacia organizativa al ofrecer completas funciones de administración

Más detalles

Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008

Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008 Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008 Introducción Aunque la estrategia de adquisiciones que Oracle ha seguido en los últimos años siempre ha buscado complementar y fortalecer nuestra oferta

Más detalles

Apolo Aplicaciones -1-

Apolo Aplicaciones -1- Apolo Aplicaciones Profitability Planning System / Sistema de Planificación de la Rentabilidad (PPS) El sistema de planificación de la rentabilidad de Apolo Aplicaciones es la mejor solución que permite

Más detalles

REPOSITORIO COR O P R OR O A R T A I T VO V

REPOSITORIO COR O P R OR O A R T A I T VO V REPOSITORIO CORPORATIVO Repositorio Corporativo Que es? Antecedentes? Por que lo necesito? Multiplicidad de sistemas Retraso en obtención de reportes Info 3 Info 2 Info 1 Redundancia Inconsistencia de

Más detalles

Analysis Server 2008 Diseño multidimensional. Tecnología OLAP Tutorial

Analysis Server 2008 Diseño multidimensional. Tecnología OLAP Tutorial Analysis Server 2008 Diseño multidimensional. Tecnología OLAP Tutorial Marta Zorrilla Universidad de Cantabria 2010 Tabla de contenidos 1. Uso de Microsoft Analysis Services 3 1.1. Cómo crear un cubo OLAP

Más detalles

Corporate Performance Management: Como crear valor con sistemas Gerenciales. PRISCILA SIQUEIRA - EPM Manager Latino América

Corporate Performance Management: Como crear valor con sistemas Gerenciales. PRISCILA SIQUEIRA - EPM Manager Latino América Corporate Performance Management: Como crear valor con sistemas Gerenciales PRISCILA SIQUEIRA - EPM Manager Latino América Tenemos que analizar nuestras estrategias para crear valor a nuestro negocio Pero

Más detalles

CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días

CREACIÓN 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 detalles

La integración de información. Presente y futuro de la empresa moderna

La integración de información. Presente y futuro de la empresa moderna La integración de información. Presente y futuro de la empresa moderna Ing. Josue Carralero Iznaga, MSc. ISPJAE, Facultad de Ingeniería Informática, Departamento de Ingeniería de Software. Complejo de

Más detalles

Sobre Kei Consulting. Permiten generar reportes de desempeño, gobernabilidad y responsabilidad para facilitar las metas estratégicas.

Sobre Kei Consulting. Permiten generar reportes de desempeño, gobernabilidad y responsabilidad para facilitar las metas estratégicas. Sobre Kei Consulting Kei Consulting es una firma consultora experta en asesoría estratégica de negocios e implementación de soluciones integrales sobre herramientas tecnológicas. Brindamos soluciones para

Más detalles

SQL Server 2014 Implementación de una solución de Business Intelligence (SQL Server, Analysis Services, Power BI...)

SQL Server 2014 Implementación de una solución de Business Intelligence (SQL Server, Analysis Services, Power BI...) Prólogo 1. A quién se dirige este libro? 15 2. Requisitos previos 15 3. Objetivos del libro 16 4. Notación 17 Introducción al Business Intelligence 1. Del sistema transaccional al sistema de soporte a

Más detalles

Esteban Molnar-CV. Educación. Experiencia laboral. Experiencia académica

Esteban Molnar-CV. Educación. Experiencia laboral. Experiencia académica www.datalytics.com Noviembre 2010 Esteban Molnar-CV Educación Masterin Business Administration, Universityof Denver, Colorado, USA Masterof City and Regional Planning, CornellUniversity, NY, USA Ingeniero

Más detalles

Fundamentos de Data Warehouse

Fundamentos de Data Warehouse Mendez, A., Mártire, A., Britos, P. Y Garcia-Martínez, R. Centro de Actualización Permanente en Ingeniería del Software Escuela de Postgrado Instituto Tecnológico de Buenos Aires Av. Eduardo Madero 399

Más detalles

Descripción general. Contar con agentes localizados permite realizar una automatización para: Detectar cambios de datos detallados

Descripción general. Contar con agentes localizados permite realizar una automatización para: Detectar cambios de datos detallados HOJA DEL PRODUCTO Agentes de CA Workload Automation Agentes de CA Workload Automation para implementaciones alojadas en sistemas mainframe Sistemas operativos, ERP, bases de datos, servicios de aplicaciones

Más detalles

Tema 4: Diseño de flujos interaplicación

Tema 4: Diseño de flujos interaplicación Tema 4: Diseño de flujos interaplicación 4.1 Introducción a los Sistemas EAI Modelo de referencia (1) INTEGRACIÓN B2B INTEGRACIÓN DE APLICACIONES Y PROCESOS INTEGRACIÓN DE DATOS INTEGRACIÓN DE PLATAFORMA

Más detalles

La Base de Datos OLAP Analysis Services (SSAS) Agenda. Agenda. Construyendo una Solución de BI paso a paso con SQL Server 2005

La Base de Datos OLAP Analysis Services (SSAS) Agenda. Agenda. Construyendo una Solución de BI paso a paso con SQL Server 2005 Construyendo una Solución de BI paso a paso con SQL Server 2005 La Base de Datos OLAP Analysis Services (SSAS) Ing. José Mariano Alvarez Jose.Mariano.Alvarez@SqlTotalConsulting.com Agenda Por qué Analysis

Más detalles

SAP 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 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 detalles

Programa Internacional Business Intelligence

Programa Internacional Business Intelligence Fecha de inicio: 18 de junio de 2012 Programa Internacional Business Intelligence En un ambiente globalizado y de alta competitividad entre las empresas, la adecuada administración del capital intelectual

Más detalles

SQL Server 2012 Le Ofrece Características Más Avanzadas (Inmediatamente)

SQL Server 2012 Le Ofrece Características Más Avanzadas (Inmediatamente) SQL Server 2012 Le Ofrece Características Más Avanzadas (Inmediatamente) Notas del Producto de SQL Server Publicación: enero de 2012 Se aplica a: SQL Server 2012 Resumen: En este documento se explican

Más detalles

Curso de Pentaho. Business Intelligence and Data Warehousing with Pentaho

Curso de Pentaho. Business Intelligence and Data Warehousing with Pentaho Curso de Pentaho Business Intelligence and Data Warehousing with Pentaho Descripción: Pentaho proporciona inteligencia de negocios (BI) y soluciones de almacenamiento de datos (dataware house) a una fracción

Más detalles

IMPLEMENTACIÓN DE UN DATA MART PARA UN SERVICIO DE DOSIMETRÍA EXTERNA.

IMPLEMENTACIÓN DE UN DATA MART PARA UN SERVICIO DE DOSIMETRÍA EXTERNA. X Congreso Regional Latinoamericano IRPA de Protección y Seguridad Radiológica Radioprotección: Nuevos Desafíos para un Mundo en Evolución Buenos Aires, 12 al 17 de abril, 2015 SOCIEDAD ARGENTINA DE RADIOPROTECCIÓN

Más detalles

Arquitecturas Empresariales y de Integración. Sesión #5: Arquitectura de Datos

Arquitecturas Empresariales y de Integración. Sesión #5: Arquitectura de Datos Arquitecturas Empresariales y de Integración Sesión #5: Arquitectura de Datos Departamento de Ingeniería de Sistemas y Computación Jorge Arias jor-aria@uniandes.edu.co Bogotá, 2011 1. Contexto 2. Motivación

Más detalles

Microsoft Dynamics AX

Microsoft Dynamics AX Microsoft Dynamics AX Microsoft Dynamics AX BENEFICIOS: Funciona de forma integrada como los productos de Microsoft ya conocidos Fácilmente personalizable y altamente escalable Tecnología avanzada que

Más detalles

TECNOLOGÍA SOFTWARE PARA EL DESARROLLO DE SISTEMAS DE INFORMACIÓN. Sistemas Informacionales (BI Business Intelligence) Sonia Marrero Cáceres

TECNOLOGÍA SOFTWARE PARA EL DESARROLLO DE SISTEMAS DE INFORMACIÓN. Sistemas Informacionales (BI Business Intelligence) Sonia Marrero Cáceres TECNOLOGÍA SOFTWARE PARA EL DESARROLLO DE SISTEMAS DE INFORMACIÓN Sistemas Informacionales (BI Business Intelligence) Sonia Marrero Cáceres Sistemas Informacionales Sistemas informacionales: Sistemas de

Más detalles

Anuncio de software ZP13-0635 de IBM Europe, Middle East, and Africa, con fecha 26 de noviembre de 2013

Anuncio de software ZP13-0635 de IBM Europe, Middle East, and Africa, con fecha 26 de noviembre de 2013 con fecha 26 de noviembre de 2013 IBM InfoSphere Data Replication V10.2.1 e InfoSphere Change Data Delivery V10.2.1 ayudan a optimizar los procesos empresariales a través de la duplicación de datos de

Más detalles