Tratamiento de la calidad en SI

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

Download "Tratamiento de la calidad en SI"

Transcripción

1 Medición Corrección Tratamiento de la calidad en SI Modelo de Calidad Medición y Diagnóstico Corrección Prevención Metadatos de calidad 1 Medición Corrección Limpieza de datos Identificar y eliminar inconsistencias, discrepancias y errores en datos, para mejorar la calidad data cleaning, data cleansing, data scrubbing En Data Warehousing Como parte del proceso ETL (extracción, transformación y carga) Hasta un 80% del costo en proyectos de DW En sistemas de integración de datos on the fly para datos integrados virtualmente A veces requiere materialización 2

2 Medición Corrección Evitar datos sucios en Manejadores de BD SE EVITA Tipos de datos incorrectos Valores erróneos Valores faltantes Referencias inválidas Duplicados Inconsistencias Datos desactualizados A TRAVES DE Def de tipos de datos y restricciones de dominio Restricciones tipo Check Not null Foreign Key Unique, Primary Key Manejo de transacciones Replicación, Vistas Materializadas 3 Medición Corrección Por qué hay datos sucios? Fuentes que no son Sistemas de Bases de Datos Datos que provienen de fuentes externas Falta de metadatos, de restricciones de integridad Errores de digitación Problemas que se generan cuando hay múltiples fuentes y heterogeneidades 4

3 Medición Corrección Gestión de la calidad en SI Data Profiling Estimación de Calidad Medición de calidad Limpieza Análisis de procesos de negocio involucrados Modelo de Calidad Análisis de causas de mala calidad Re-estructuración del sistema Monitoreo de la calidad 5 Medición Corrección Tareas de Limpieza de Datos 6

4 Medición Corrección Normalización / estandarización En gral. corresponde a la etapa de pre-procesamiento para luego poder comparar valores y corregir errores. Conversión de tipo de datos. Ej.: varchar int Normalizar: llevar a un formato común date: 03/01/05 01-MAR-2005 moneda: $ Mayúsculas / minúsculas tokenizing: Martínez, Cristina Martínez, Cristina direcciones: facilita comparaciones Discretizar valores numéricos Transformaciones específicas del dominio 7 Medición Corrección Localización de errores y corrección Si existe una medición de calidad hecha previamente a la limpieza, localización consistirá en recorrer e interpretar los metadatos de calidad Si no existe lo anterior, los métodos dependen de la dimensión de calidad Veremos Localizar y corregir inconsistencias Localizar y corregir datos incompletos Localizar outliers (visto anteriormente) 8

5 Medición Corrección Localizar y corregir inconsistencias Data editing Cuando no estamos con una bd relacional. Se detectan inconsistencias mediante la formulación de reglas (edits) que deben ser respetadas por los datos (viene del área estadística). Los edits denotan condiciones de error. Los edits deben ser consistentes y no redundantes. Ejemplo de edits inconsistentes: Salary = FALSE Has a desk = FALSE (Salary = TRUE) AND (Has a desk = TRUE) Ejemplo de edits redundantes: Role = professor AnnualIncome < AnnualIncome < Medición Corrección Localizar y corregir inconsistencias Con el conjunto de edits válidos se procede a la localización de errores. Para corregir los errores Adquisición de nuevos datos Refrescar los datos, mejorando la calidad Muy costoso Corregir utilizando los edits. Edit-imputation problem. Modelo propuesto, con los siguientes objetivos Los datos deben satisfacer todos los edits, cambiando la menor cantidad de campos posible. Cuando es necesario imputation, mantener la distribución de la frecuencia de los valores en cada campo. 10

6 Medición Corrección Edit-imputation Ejemplo (Edad, EstadoCivil, TipodeTrabajo) <68, casado, jubilado> <6, casado, jubilado> error Existe edit: Edad < 15 EstadoCivil = casado Podemos corregir poniendo 15 en vez de 6, respetando el mínimo cambio (1er. objetivo), pero si lo hacemos muchas veces vamos a variar la frecuencia relativa. Pueden haber edits implícitos Se derivan lógicamente de los explícitos Es útil considerarlos en la etapa de corrección. 11 Medición Corrección Localizar y corregir datos incompletos Localización Análisis básico Cantidad de valores nulos, promedios, etc. Comparar con valores esperados Analizar información: No hay información de ventas durante 3/1.. 3/4? No hay productos con precio > 20? Datos truncados y censurados Ventas de menos de $100 no se guardan en la base Ventas de más de $ se guardan como $ Detección Siempre se necesita conocimiento del dominio 12

7 Medición Corrección Localizar y corregir datos incompletos Corrección Estimar valores que faltan (imputation) sin cambiar características del conjunto de datos (media, varianza, etc.) Explotar dependencias funcionales Ej.: nro_dormitorios ingreso Aplicar técnicas de estadística Regresión lineal 13 Medición Corrección Algunas herramientas Potter s wheel Estandarización, profiling, limpieza para SID (sistemas de integración de datos) Telcordia s tool Estandarización, limpieza para SID Dominio: direcciones, impuestos Ajax Normalización, limpieza para SID Dominio: referencias bibliográficas Arktos Estandarización, localización de errores, limpieza para SID Dominio: ETL, aplicaciones de salud Choice Maker limpieza para SID Dominio: nombres, direcciones, negocios, datos médicos, datos financieros Intelliclean Normalización, limpieza para SID Referencias en el texto del curso (8.2) 14

8 Medición Corrección Algunas herramientas Empresa Productos Ataccama DQ Analyzer, Data Quality Center, DQ Issue Tracker, DQ Dashboard Datactics Data Quality Platform, Data Quality Manager, Master Record Manager DataMentors DataFuse, ValiData, NetEffect HIquality Suite, HIquality Name Worldwide, HIquality Identify, HIquality Data Improver, Human Inference DataCleaner IBM InfoSphere Information Analyzer, InfoSphere QualityStage, InfoSphere Discovery Informatica Data Explorer, Data Quality, Identity Resolution, AddressDoctor Information Builders/iWay iway Data Quality Center Innovative Systems i/lytics Data Quality, i/lytics Data Profiling, i/lytics ProfilerPlus, FinScan Oracle Oracle Enterprise Dat Quality, Oracle Enterprise Data Quality for Product Data Pitney Bowes Software Spectrum Technology Platform RedPoint (DataLever) RedPoint Data Management SAP Data Quality Management, Information Steward, Data Services SAS/DataFlux Data Management Platform Talend Talend Open Studio for Data Quality, Talend Enterprise Data Quality Trillium Software Trillium Software System, TS Discovery, TS Insight, Trillium Software On-Demand Data Quality (DQ) Explorer, DQ Batch Suite, DQ Real-Time Suite, DQ Real-Time Services, Uniserv DQ Monitor Melissa Data Contact Zone Datiris Datiris Profiler CloverETL Address Doctor Microsoft Data Quality Services 15 Medición Corrección Prevención Metadatos Prevención de errores Localización (o detección) y corrección de errores no previenen errores futuros. Ej.: Suponer que un proceso crea o reemplaza 1000 registros nuevos o existentes cada día, cada registro tiene 20 campos y la tasa de errores del proceso es 2%. 400 nuevos errores se producen por día. A fin de año se habrán producido errores. Enorme tarea de limpieza. Se busca identificar causas (root-causes) de los errores eliminar esas causas asegurar que se mantendrá esa ganancia 16

9 Medición Corrección Prevención Metadatos Prevención a trav. de manejo de procesos Manejo de procesos para la creación de información. Especialmente efectivo para datos que son creados y actualizados con una alta frecuencia. Ej.: Billing information chain (Proceso de Facturación) Departamentos: Servicio al cliente, Alta de órdenes, Entregas y Facturación. Se detectan muchos problemas, y Facturación determina que Nrostock es el campo más frecuentemente equivocado. Se investiga y se ve que hay discrepancias entre Entregas y Alta de órdenes. Se necesita un gerente de proceso que vea la cadena del proceso en forma horizontal. Este podría incluír controles para asegurar que no suceda el problema. Principales técnicas: edits y data tracking 17 Medición Corrección Prevención Metadatos Edits para prevención Los edits pueden ser utilizados para Corrección (en general son usados solo para esto) Mejora de procesos Diseño de procesos menos propensos a errores Mejora de procesos Aplicando edits dentro del proceso o de la cadena de procesos, se pueden detectar ciertos tipos de errores antes de que sean commiteados en la base. Se corrigen los errores antes de que produzcan problemas Ej.: se le podría dar al operador que ingresa las órdenes la oportunidad de ingresar el nro de stock. Log de failed edits Para determinar patrones de errores y eliminar las causas. 18

10 Medición Corrección Prevención Metadatos Prevención a trav. de diseño de procesos Incluir edits en los nuevos procesos y manejadores de bd. Bajo costo de implementación Desventaja: La gente suele encontrar la forma de saltearlos Diseñar la medición necesaria para controlar y mejorar el proceso dentro del propio proceso. Minimizar actividades donde la gente suele cometer errores, automatizándolas lo más posible Ej.: Transcripciones, ingreso de datos, cambios de formatos, etc. Ej.: Uso de lectores de código de barras Simplificar procesos también evita errores Asignación apropiada de responsabilidad del manejo de los datos 19 Medición Corrección Prevención Metadatos Qué datos mejorar Crear una lista ordenada por prioridad de datos a mejorar Consideraciones posibles Dar más importancia a la estrategia de negocio de la empresa Ej.: empresa que está apuntando al marketing directo, debería priorizar datos de clientes. Ej.: empresa que está enfocada a mejorar eficiencia de operaciones, debería priorizar datos logísticos Asociación con problemas del negocio ya conocidos Ej.: reuniones perdidas con clientes: direcciones incorrectas, etc. Tasas de errores reales vs. requerimientos de nivel de calidad Económicas Hay errores que tienen consecuencias más costosas que otros. 20

11 Medición Corrección Prevención Metadatos Resumiendo Para mejorar la calidad se debería aplicar Prevención a través de manejo de procesos para datos con alta frecuencia de creación y actualización. Localización y corrección de errores para datos con baja frecuencia de creación y actualización. Cualquier diseño de proceso o reingeniería debería luchar para que el nuevo proceso sea lo más libre de errores posible. 21 Medición Corrección Modelos de datos de Calidad Utilizamos modelos de datos para representar datos Queremos además poder representar sus dimensiones de calidad y sus medidas de calidad. A esto le llamamos METADATOS DE CALIDAD. Se proponen extensiones a los modelos tradicionales para bd, para representar y manejar aspectos relacionados con las dimensiones de calidad. Se enriquecen los modelos convencionales con elementos para representar y analizar la calidad de los datos. 22

12 Medición Corrección Modelos de datos de Calidad Modelos de datos Modelado conceptual Extensión del MER Modelado lógico Extensiones del Modelo Relacional Extensión del modelo XML Modelo de proceso Modelo para el proceso de la producción de información IP-MAP Referencias en el texto del curso (Cap. 3) 23 Medición Corrección Extensión del MER Una posible solución Desventajas? Otra solución Agregamos 2 nuevas entidades: Data quality dimension Representa cada dimension y todos sus posibles valores Data quality measure Representa las mediciones 24

13 Medición Corrección Extensión del MER Qué cosas falta representar? Qué construcciones habría que agregarle? 25 Medición Corrección Extensiones del Modelo Relacional Basado en atributos 26

14 Medición Corrección Extensiones del Modelo Relacional Polygen Modelo para manipulación de datos orientado a datos provenientes de múltiples fuentes Representación explícita del origen de los datos y también de las fuentes intermedias (data lineage) Un valor de un atributo en este modelo es una terna: Un dato (dominio simple de MR) Un conjunto de bds origen Un conjunto de bds intermedias Se usan annotations para los metadatos en cada atributo Definen un álgebra que permite la propagación de las annotations Primera aproximación a data provenance 27 Medición Corrección Extensión de XML Data and Data Quality (D 2 Q) Para ser usado en el contexto de sistemas de información cooperativos Las organizaciones intercambian datos y es fundamental saber la calidad de estos datos El modelo es semi-estructurado permitiendo a cada organización exportar la calidad de sus datos con flexibilidad El modelo se traduce fácilmente a XML Para consultar este XML se propone una extensión al XQuery, con un conjunto de funciones llamadas quality selectors. 28

15 Medición Corrección D 2 Q - Ejemplo 29 Medición Corrección Modelo IP-MAP Para modelar la construccion (manufacture) de un producto información. 30

16 Medición Corrección Modelo IP-MAP (IP-Map, 2000) 31 Medición Corrección Modelo IP-MAP Existen diversas extensiones del modelo Diagramas de eventos, diagramas de interacción, modelos de datos, etc. Se propuso el formalismo IP-UML Extensión del UML con información de calidad de datos basada en IP-MAP 32

Temario. Índices simples Árboles B Hashing

Temario. Índices simples Árboles B Hashing Temario Introducción y fundamentos Introducción a SQL Modelo Entidad / Relación Modelo relacional Diseño relacional: formas normales Consultas Cálculo relacional Álgebra relacional Implementación de bases

Más detalles

Tema 3 Modelo relacional

Tema 3 Modelo relacional Contenido: Bases de Datos y Sistemas de Información Ing. Informática GRUPO A Tema 3 Modelo relacional 3.1 Terminología del modelo relacional 3.2 Paso del modelo ER al modelo relacional 3.3 Creación de

Más detalles

[CASI v.0110] Pág. 1

[CASI v.0110] Pág. 1 I. DATOS INFORMATIVOS II. SUMILLA Carrera Especialidad Curso Código : T-INF105 Ciclo : Segundo Requisitos : Ninguno Duración : 12 Semanas Horas Semana : 06 horas Versión : v.0110 : COMPUTACIÓN E INFORMATICA

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

Capítulo 1: Introducción a los Sistemas de Gestión de Bases de Datos (SGBD)

Capítulo 1: Introducción a los Sistemas de Gestión de Bases de Datos (SGBD) Capítulo 1: Introducción a los Sistemas de Gestión de Bases de Datos (SGBD) Fernando Cano Espinosa Universidad de Oviedo. Departamento de Informática fcano@uniovi.es Produced with L A T E X seminar style

Más detalles

Extracción de datos. Involucra técnicas para la extracción de información en las fuentes.

Extracción de datos. Involucra técnicas para la extracción de información en las fuentes. Carga inicial Correspondencia de datos Transformaciones "Staging area" Extracción de datos Transformación (Limpieza) Herramientas de ETL Facultad de Ingeniería - In.Co. Sistemas de Data Warehousing 2003

Más detalles

Incrementando el conocimiento de la Información

Incrementando el conocimiento de la Información Juan Antonio González Hidalgo, 24 de abril de 2012 Ciclo de proceso de la Calidad Incrementando el conocimiento de la Información Information Management 2011 IBM Corporation La solución Information Server

Más detalles

Introducción. Campos de Aplicación SGBD. Índice. Aplicaciones Representativas. Aplicaciones Representativas

Introducción. Campos de Aplicación SGBD. Índice. Aplicaciones Representativas. Aplicaciones Representativas SGBD Base de Un Sistema Gestor de consiste en: Datos Una colección de datos interrelacionados Un conjunto de programas para acceder a los datos Objetivo Principal de un SGBD: Proporcionar una forma práctica

Más detalles

GUÍA PARA LA MIGRACIÓN DE BASES DE DATOS

GUÍA PARA LA MIGRACIÓN DE BASES DE DATOS MINISTERIO DE SALUD Y PROTECCIÓN SOCIAL BOGOTÁ, AGOSTO DE TABLA DE CONTENIDO I. PROPÓSITO... 3 II. ALCANCE... 3 III. DOCUMENTOS DEL SIGI ASOCIADOS A LA GUÍA... 3 IV. DEFINICIONES... 3 V. NORMATIVA Y OTROS

Más detalles

VENTAJAS DEL USO DE HERRAMIENTAS DE ETL SOBRE ANSI SQL

VENTAJAS DEL USO DE HERRAMIENTAS DE ETL SOBRE ANSI SQL VENTAJAS DEL USO DE HERRAMIENTAS DE ETL SOBRE ANSI SQL LIC. DIEGO KRAUTHAMER PROFESO R ADJUNTO INTERINO UNIVERSIDAD ABIERTA INTERMERICANA (UAI) SEDE BUENOS AIRES COMISION DE INVESTIGACION Abstract El presente

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

Unidad didáctica 2: Metodologías de desarrollo de Bases de Datos. Unidad didáctica 1: Fase de análisis de requisitos Modelo E/R

Unidad didáctica 2: Metodologías de desarrollo de Bases de Datos. Unidad didáctica 1: Fase de análisis de requisitos Modelo E/R índice Módulo A Unidad didáctica 1: Introducción a las Bases de Datos Unidad didáctica 2: Metodologías de desarrollo de Bases de Datos 3 19 Módulo B Unidad didáctica 1: Fase de análisis de requisitos Modelo

Más detalles

rg.o El l c i c c i l c o l o de d vi v d i a d a cm a l@ rza e de d u n u n si s s i t s e t ma m a de d in i f n or o ma m c a i c ó i n ó b

rg.o El l c i c c i l c o l o de d vi v d i a d a cm a l@ rza e de d u n u n si s s i t s e t ma m a de d in i f n or o ma m c a i c ó i n ó b El ciclo de vida de un sistema de información El ciclo de vida de un sistema de información El proceso de desarrollo de software Modelos de ciclo de vida El ciclo de vida de una base de datos El proceso

Más detalles

Resumen. El rol del lenguaje SQL en los SGBDR y en la Relacional. cjimenez@inf.udec.cl, tamrstro@inf.udec.cl

Resumen. El rol del lenguaje SQL en los SGBDR y en la Relacional. cjimenez@inf.udec.cl, tamrstro@inf.udec.cl El rol del lenguaje SQL en los SGBDR y en la Relacional. cjimenez@inf.udec.cl, tamrstro@inf.udec.cl Resumen demandas de almacenamiento y procesamiento de datos. Es el conjunto de estas dos capacidades

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

Inteligencia Geográfica Evolución de Tecnología Pitney Bowes

Inteligencia Geográfica Evolución de Tecnología Pitney Bowes Enabling Lifetime Customer Relationship La Hora del Análisis Inteligencia Geográfica Evolución de Tecnología Pitney Bowes Presented by: Ricardo E. Sahagun CDLI Product Specialist Pitney Bowes Software

Más detalles

Gestión de la Información

Gestión de la Información Gestión de la Información Sociedad de la Información Recurso Información Sistemas de Información Tecnologías de la Información Internet ii Fundamentos de SI: Gestión de la Información 49 Un Sistema de

Más detalles

FACULTAD DE INGENIERÍA UNIVERSIDAD DE LA REPÚBLICA. Un caso de estudio en Calidad de Datos para Ingeniería de Software Empírica

FACULTAD DE INGENIERÍA UNIVERSIDAD DE LA REPÚBLICA. Un caso de estudio en Calidad de Datos para Ingeniería de Software Empírica FACULTAD DE INGENIERÍA UNIVERSIDAD DE LA REPÚBLICA Un caso de estudio en Calidad de Datos para Ingeniería de Software Empírica INFORME PROYECTO DE GRADO Bruno Bianchi Gallo María Carolina Valverde Corrado

Más detalles

MDS Y DQS QUÉ ES ESO?

MDS Y DQS QUÉ ES ESO? MDS Y DQS QUÉ ES ESO? Lo nuevo del BI en SQL Server 2012 Miguel Angel Granados Troncoso Chapter Leader SQL PASS México MIGUEL ANGEL GRANADOS TRONCOSO Miguel es un profesional con más de 15 de experiencia,

Más detalles

ELEMENTO I INTRODUCCION A LOS SISTEMAS DE BASES DE DATOS

ELEMENTO I INTRODUCCION A LOS SISTEMAS DE BASES DE DATOS Base de Datos ELEMENTO I INTRODUCCION A LOS SISTEMAS DE BASES DE DATOS Una base de datos es un conjunto de elementos de datos que se describe a sí mismo, con relaciones entre esos elementos, que presenta

Más detalles

SQL Server 2014 - SQL, Transact SQL Diseño y creación de una base de datos (con ejercicios prácticos corregidos)

SQL Server 2014 - SQL, Transact SQL Diseño y creación de una base de datos (con ejercicios prácticos corregidos) El modelo relacional 1. Introducción 9 2. Recordatorio sobre el almacenamiento de datos 9 2.1 Las diferentes categorías de datos 10 2.1.1 Los datos básicos 10 2.1.2 Los datos cambiantes 10 2.1.3 Los datos

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

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

Acoplamiento e interoperabilidad

Acoplamiento e interoperabilidad Máster Universitario en Ingeniería Informá3ca Acoplamiento e interoperabilidad Sistemas de Información Orientados a Servicios RODRIGO SANTAMARÍA 2 Acoplamiento débil Tipos de acoplamiento Cabalgando el

Más detalles

www.sis-monterrey.com

www.sis-monterrey.com www.sis-monterrey.com Antecedentes 4 SIS Organización SIS Monterrey Índice SIS Monterrey 5 Misión Visión Valores Factores de Diferenciación 6 Especialización en Negocios Factor Humano Confianza Oferta

Más detalles

PORTFOLIO APLICA.DÀT. Business Intelligence. Que veo y que hay

PORTFOLIO APLICA.DÀT. Business Intelligence. Que veo y que hay Soluciones de Gestión para extraer provecho de los datos. (Business Intelligence, Cuadro de Mando i Calidad de datos) Que veo y que hay PORTFOLIO Business Intelligence Tiene infinidad de datos. No tiene

Más detalles

ALMACENES PARA GESTIÓN MASIVOS.... ALMACENES PARA GESTIÓN MASIVOS 1 ALMACENES PARA GESTIÓN MASIVOS 2 EL OBJETIVO ES EL ANÁLISIS PARA EL SOPORTE EN LA TOMA DE DECISIONES. GENERALMENTE, LA INFORMACIÓN QUE

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

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

SQL Server 2012 - SQL, Transact SQL Diseño y creación de una base de datos

SQL Server 2012 - SQL, Transact SQL Diseño y creación de una base de datos El modelo relacional 1. Introducción 9 2. Recordatorio sobre el almacenamiento de datos 9 2.1 Las diferentes categorías de datos 10 2.1.1 Los datos básicos 10 2.1.2 Los datos cambiantes 10 2.1.3 Los datos

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

CURSO DE SQL SERVER 2005

CURSO DE SQL SERVER 2005 CURSO DE SQL SERVER 2005 Una vez finalizado el curso, el alumno estará preparado para: Instalar y configurar SQL Server 2005. Comprender los conceptos más importantes del diseño de bases de datos. Crear

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

Pitney Bowes Spectrum Technology Platform. Transforme datos empresariales en información sobre la que se pueda actuar en toda la organización

Pitney Bowes Spectrum Technology Platform. Transforme datos empresariales en información sobre la que se pueda actuar en toda la organización Pitney Bowes Spectrum Technology Platform Transforme datos empresariales en información sobre la que se pueda actuar en toda la organización Pitney Bowes Spectrum Technology Platform Mejore el rendimiento

Más detalles

- Bases de Datos - - Diseño Físico - Luis D. García

- Bases de Datos - - Diseño Físico - Luis D. García - Diseño Físico - Luis D. García Abril de 2006 Introducción El diseño de una base de datos está compuesto por tres etapas, el Diseño Conceptual, en el cual se descubren la semántica de los datos, definiendo

Más detalles

Sistemas de Información para la Gestión

Sistemas de Información para la Gestión Sistemas de Información para la Gestión UNIDAD 3: RECURSOS DE TECNOLOGÍA DE INFORMACIÓN Aplicaciones UNIDAD 2: RECURSOS DE TI Bases de Datos 1. Administración de bases de datos e información: Sistemas

Más detalles

TEORIA DE BASES DE DATOS. M. Sc. Cristina Bender Lic. Diana Gázquez

TEORIA DE BASES DE DATOS. M. Sc. Cristina Bender Lic. Diana Gázquez TEORIA DE BASES DE DATOS Docentes: Dra. Claudia Deco M. Sc. Cristina Bender Lic. Diana Gázquez OBJETIVO DE LA MATERIA Capacitar al alumno en los conocimientos fundamentales, teóricos y prácticos, necesarios

Más detalles

Tema 3: Bases de datos en Entorno Web

Tema 3: Bases de datos en Entorno Web Tema 3: Bases de datos en Entorno Web 1. Introducción. Un sistema de bases de datos proporciona un control centralizado de los datos. Esto contrasta con la situación que prevalece actualmente, donde a

Más detalles

En el contexto de la simulación se asocia a un período de tiempo determinado por una variable aleatoria.

En el contexto de la simulación se asocia a un período de tiempo determinado por una variable aleatoria. DEFINICIONES Actividad: En el contexto de la simulación se asocia a un período de tiempo determinado por una variable aleatoria. Aleatorio (Aleatoriedad): Se asocia a todo proceso cuyo resultado no es

Más detalles

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES El modelo relacional se basa en dos ramas de las matemáticas: la teoría de conjuntos y la lógica de predicados de primer orden. El hecho de que

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

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

Tema 1 Introducción a los Sistemas de Información

Tema 1 Introducción a los Sistemas de Información Tema 1 Introducción a los Sistemas de Información Diseño y Desarrollo de Sistemas de Información Grado en Ingeniería Informática (gnavarro@ugr.es) Índice Sistemas de Información Sistemas Datos, Información,

Más detalles

Introducción a las bases de datos

Introducción a las bases de datos Introducción a las bases de datos Juan Ignacio Rodríguez de León Abstract Aplicaciones de los sistemas de bases de datos. Sistemas de bases de datos frente a sistemas de archivos. Visión de los datos.

Más detalles

Maestría en Bioinformática. Bases de Datos y Sistemas de Información. Del MER al MR. Ing. Alfonso Vicente, PMP alfonso.vicente@logos.com.

Maestría en Bioinformática. Bases de Datos y Sistemas de Información. Del MER al MR. Ing. Alfonso Vicente, PMP alfonso.vicente@logos.com. Maestría en Bioinformática Bases de Datos y Sistemas de Información Del MER al MR Ing. Alfonso Vicente, PMP alfonso.vicente@logos.com.uy Agenda Conceptos MER a MR Introducción Agenda Conceptos MER a MR

Más detalles

Universidad de Cantabria corcuerp@unican.es

Universidad de Cantabria corcuerp@unican.es Bases de Datos Pedro Corcuera Dpto. Matemática Aplicada y Ciencias de la Computación Universidad de Cantabria corcuerp@unican.es Objetivos Presentar los conceptos básicos y terminología de las bases de

Más detalles

GRID GRIDS. ING. DE INFORMACION II Ing. Alfredo Ramos

GRID GRIDS. ING. DE INFORMACION II Ing. Alfredo Ramos GRID GRIDS ING. DE INFORMACION II Ing. Alfredo Ramos Uso de Bases de Datos en Grid Introducción Qué es una base de datos? Un conjunto de datos no redundantes, almacenados en un soporte informático, organizados

Más detalles

INTRODUCCIÓN A LA CALIDAD DE DATOS APLICADO A LA VINCULACION DE LA INFORMACION CATASTRAL Y REGISTRAL

INTRODUCCIÓN A LA CALIDAD DE DATOS APLICADO A LA VINCULACION DE LA INFORMACION CATASTRAL Y REGISTRAL INTRODUCCIÓN A LA CALIDAD DE DATOS APLICADO A LA VINCULACION DE LA INFORMACION CATASTRAL Y REGISTRAL Septiembre de 2012 Presentación Las organizaciones, ya sean públicas o privadas, se preocupan cada vez

Más detalles

Data Mining: Conceptos y Técnicas Preprocesamiento de Datos

Data Mining: Conceptos y Técnicas Preprocesamiento de Datos Cap. 3: Preprocesamiento de Datos Data Mining: Conceptos y Técnicas Preprocesamiento de Datos (Basado en material de Jiawei Han and Micheline Kamber) Intelligent Database Systems Research Lab School of

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

Parte I: Introducción

Parte 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 detalles

Sistemas de Información para la Gestión

Sistemas de Información para la Gestión Sistemas de Información para la Gestión UNIDAD 2: RECURSOS DE TI Bases de Datos UNIDAD 2: RECURSOS DE TECNOLOGÍA DE INFORMACIÓN Información 1. La Información: Propiedades de la Información. Sistemas de

Más detalles

Problemas y consecuencias de la mala calidad. Necesidades en distintas áreas de aplicación. Gestión de la calidad en Sistemas de Información

Problemas y consecuencias de la mala calidad. Necesidades en distintas áreas de aplicación. Gestión de la calidad en Sistemas de Información Conceptos Problemas Causas Necesidades Gestión Tema 1: Introducción Concepto de calidad de datos Problemas y consecuencias de la mala calidad Causas de la mala calidad Necesidades en distintas áreas de

Más detalles

La calidad de los datos ha mejorado, se ha avanzado en la construcción de reglas de integridad.

La calidad de los datos ha mejorado, se ha avanzado en la construcción de reglas de integridad. MINERIA DE DATOS PREPROCESAMIENTO: LIMPIEZA Y TRANSFORMACIÓN El éxito de un proceso de minería de datos depende no sólo de tener todos los datos necesarios (una buena recopilación) sino de que éstos estén

Más detalles

7. SOFTWARE INTEGRADO DE GESTIÓN

7. SOFTWARE INTEGRADO DE GESTIÓN 7. SOFTWARE INTEGRADO DE GESTIÓN 7.1 Antecedentes y descripción del S.I.G. Concepto de S.I.G. Módulos Sistema integrado Compras Ingreso Ingreso de de órdenes órdenes Consulta Consulta de de stock stock

Más detalles

Teórico 9 Del MER al MR

Teórico 9 Del MER al MR Teórico 9 Del MER al MR Introducción Veremos cómo traducir un modelo conceptual, en forma de Modelo Entidad-Relación, en un modelo lógico de base de datos, en forma de Modelo Relacional. Para esto, estudiaremos

Más detalles

MÁRKETING & VENTAS DOSSIER

MÁRKETING & VENTAS DOSSIER MÁRKETING & VENTAS Conozca las ventajas que los proyectos de business intelligence pueden aportar a la toma de decisiones LA INDUSTRIALI- ZACIÓN DE LA INFORMACIÓN DIRECTIVA: BUSINESS INTELLIGENCE Josep

Más detalles

Apoyo para la Toma de Decisiones

Apoyo para la Toma de Decisiones Apoyo para la Toma de Decisiones 1 Andrés Moreno S. La pregunta más importante Para que sirven las Bases de Datos? 2 Sistema para el Apoyo en la Toma de Decisiones Sistemas que ayudan en el análisis de

Más detalles

El modelo relacional

El modelo relacional El modelo relacional El modelo relacional constituye una alternativa para la organización y representación de la información que se pretende almacenar en una base de datos. Se trata de un modelo teórico

Más detalles

Introducción a los Sistemas de Gestión de Bases de Datos

Introducción a los Sistemas de Gestión de Bases de Datos a los Sistemas de Gestión de Bases de Datos Servicios y Aplicaciones Telemáticas gsyc-profes@gsyc.escet.urjc.es Noviembre de 2008 c 2008 Grupo de Sistemas y Comunicaciones. Algunos derechos reservados.

Más detalles

Soluciones Embarcadero

Soluciones Embarcadero Soluciones Embarcadero para Base de Datos Danysoft Representante exclusivo en la península ibérica ADMINISTRACION DE DATOS Herramientas innovadoras de modelado de datos para la arquitectura de la información

Más detalles

Introducción a Bases de Datos

Introducción a Bases de Datos de a M. -Tastets Universidad de Concepción,Chile www.inf.udec.cl\ andrea andrea@udec.cl II Semestre - 2007 y del s: Sistemas de y del s: de y del s: Objetivos de la Unidad Dar a conocer las características,

Más detalles

CAPITULO 1. Introducción a los Conceptos Generales de Bases de Datos Distribuidas

CAPITULO 1. Introducción a los Conceptos Generales de Bases de Datos Distribuidas CAPITULO 1 Introducción a los Conceptos Generales de 1.1 Preliminares Las empresas necesitan almacenar información. La información puede ser de todo tipo. Cada elemento informativo es lo que se conoce

Más detalles

Tema 33. El lenguaje SQL

Tema 33. El lenguaje SQL Tema 33. El lenguaje SQL Introducción... 1 Modos de uso... 2 Ejecución de las sentencias SQL... 2 Instrucciones DDL Data Definition Language-... 3 Instrucciones DML Data Manipulation Language-... 4 Instrucciones

Más detalles

4.1 Impacto de la Tecnología de la Información en La Logística

4.1 Impacto de la Tecnología de la Información en La Logística Cuarta Sesión 4. La tecnología de la Información Profesora Medina Flores Diana Objetivo Particular Conocer y aplicar la nueva tecnología para el logro de mejoras e innovar las herramientas con las que

Más detalles

Data Mining Técnicas y herramientas

Data 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 detalles

La siguiente generación de Datawarehouse : Más allá del Data Warehouse permitir information on demand. IBM Information Management

La siguiente generación de Datawarehouse : Más allá del Data Warehouse permitir information on demand. IBM Information Management La siguiente generación de Datawarehouse : Más allá del Data Warehouse permitir information on demand José Ramón Mora IBM Software Group Nuestra visión sobre Business Intelligence Acercamiento Desde hace

Más detalles

MS_20463 Implementing a Data Warehouse with Microsoft SQL Server

MS_20463 Implementing a Data Warehouse with Microsoft SQL Server Gold Learning Gold Business Intelligence Silver Data Plataform Implementing a Data Warehouse with Microsoft SQL Server www.ked.com.mx Por favor no imprimas este documento si no es necesario. Introducción.

Más detalles

Perspectivas en Administración de Bases de Datos El presente y futuro de las Bases de datos. Profesor: Msc. MIGUEL ANGEL NIÑO ZAMBRANO

Perspectivas en Administración de Bases de Datos El presente y futuro de las Bases de datos. Profesor: Msc. MIGUEL ANGEL NIÑO ZAMBRANO Capitulo 6 Perspectivas en Administración de Bases de Datos El presente y futuro de las Bases de datos Msc. Miguel Ángel Niño Zambrano manzamb@unicauca.edu.co Profesor: Msc. MIGUEL ANGEL NIÑO ZAMBRANO

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

IWG-101: Introducción a la Ingeniería. Departamento de Informática, UTFSM 1

IWG-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 detalles

CA Security Management. CA Identity and Access Management

CA Security Management. CA Identity and Access Management CA Security Management CA Identity and Access Management CA Security Management Hoy en día, las organizaciones se enfrentan a múltiples desafíos, muchos de los cuales están relacionados con la administración

Más detalles

Las mejores prácticas

Las mejores prácticas IBM DB2 para Linux, UNIX, y Windows Las mejores prácticas Administración de datos XML Matthias Nicola Laboratorio Silicon Valley de IBM Susanne Englert Laboratorio Silicon Valley de IBM Administración

Más detalles

Modelos de datos. Marta E. Zorrilla Pantaleón Universidad de Cantabria

Modelos de datos. Marta E. Zorrilla Pantaleón Universidad de Cantabria Modelos de datos Marta E. Zorrilla Pantaleón Universidad de Cantabria Modelo de datos. Definición Conjunto de herramientas conceptuales para describir la representación de la información en términos de

Más detalles

DESARROLLO DE HERRAMIENTA DE SOFTWARE PARA DETERMINAR LA CALIDAD DE LOS DATOS DE UNA BASE DE DATOS RELACIONAL

DESARROLLO DE HERRAMIENTA DE SOFTWARE PARA DETERMINAR LA CALIDAD DE LOS DATOS DE UNA BASE DE DATOS RELACIONAL 1 DESARROLLO DE HERRAMIENTA DE SOFTWARE PARA DETERMINAR LA CALIDAD DE LOS DATOS DE UNA BASE DE DATOS RELACIONAL UNIVERSIDAD PONTIFICIA BOLIVARIANA VICERRECTORÍA ACADÉMICA SISTEMA DE BIBLIOTECAS 2013 2

Más detalles

puede asegurar a sus clientes la calidad y disponibilidad de los servicios empresariales?

puede asegurar a sus clientes la calidad y disponibilidad de los servicios empresariales? RESUMEN DE LA SOLUCIÓN Service Operations Management puede asegurar a sus clientes la calidad y disponibilidad de los servicios empresariales? agility made possible (SOM) de CA Technologies es una solución

Más detalles

Qué debemos hacer desde Tecnología para estar alineados con la Transformación Digital de la Industria Financiera?

Qué debemos hacer desde Tecnología para estar alineados con la Transformación Digital de la Industria Financiera? Qué debemos hacer desde Tecnología para estar alineados con la Transformación Digital de la Industria Financiera? Martín Cabrera CTO BCI macabre@bci.cl @dmcabrera Qué entendemos por transformación digital?

Más detalles

Qué es una base de datos. Laboratorio de Informix. Sistemas de archivos convencionales. Base de datos relacionales

Qué es una base de datos. Laboratorio de Informix. Sistemas de archivos convencionales. Base de datos relacionales Laboratorio de Informix Qué es una base de datos Es una colección de datos relacionados que sirven de múltiples propósitos y soportan múltiples usuarios. Octubre 2004 Sistemas de archivos convencionales

Más detalles

Laboratorio de Informix. Octubre 2004

Laboratorio de Informix. Octubre 2004 Laboratorio de Informix Octubre 2004 Qué es una base de datos Es una colección de datos relacionados que sirven de múltiples propósitos y soportan múltiples usuarios. Sistemas de archivos convencionales

Más detalles

Tecnologías de logística y transporte

Tecnologías de logística y transporte Tecnologías de logística y transporte Introducción Uno de los campos de actividad más importante en el mercado de servicios es Transporte y Logística, un sector en crecimiento el cual, actualmente, está

Más detalles

Customer Intelligence Fernando Mogetta Gerente de Consultoría de Negocios SAS Argentina. Copyright 2010, SAS Institute Inc. All rights reserved.

Customer Intelligence Fernando Mogetta Gerente de Consultoría de Negocios SAS Argentina. Copyright 2010, SAS Institute Inc. All rights reserved. Customer Intelligence Fernando Mogetta Gerente de Consultoría de Negocios SAS Argentina Ciclo completo de Customer Intelligence Gestión de Datos Vista Integrada del Cliente Segmentación Análisis del Cliente

Más detalles

ERPUP (Pequeñas y Medianas Empresas)

ERPUP (Pequeñas y Medianas Empresas) ERPUP (Pequeñas y Medianas Empresas) Quiere impulsar su compañía? Posee sistemas de información pero no están acorde a su realidad y necesidades? Finalmente mucha de la información termina administrándola

Más detalles

Ingeniería de Software

Ingeniería de Software Ingeniería de Software MSDN Ingeniería de Software...1 Ingeniería del Software_/_ Ingeniería y Programación...1 Análisis de Requerimientos...2 Especificación...3 Diseño...4 Desarrollo en Equipo...5 Mantenimiento...6

Más detalles

SERVICIO NACIONAL DE APRENDIZAJE SENA

SERVICIO NACIONAL DE APRENDIZAJE SENA SERVICIO NACIONAL DE APRENDIZAJE SENA GUÍA DE APRENDIZAJE SISTEMA INTEGRADO DE GESTIÓN Proceso Gestión de la Formación Profesional Integral Procedimiento Ejecución de la Formación Profesional Integral

Más detalles

Data Quality. Julio 2007

Data Quality. Julio 2007 Data Quality Julio 2007 Los datos son un recurso crítico de una organización Los datos y la información elaborada a partir de ellos son vitales para cualquier organización en el siglo XXI: son un factor

Más detalles

Guía práctica SQL Server 2008

Guía práctica SQL Server 2008 Guía práctica SQL Server 2008 (c) Francisco Charte Ojeda Introducción Microsoft SQL Server 2008 Qué puede hacer con SQL Server 2008? Qué necesita saber para usar SQL Server 2008? Cómo usar este libro Estructura

Más detalles

Bases de datos: Sistemas de bases de datos:

Bases de datos: Sistemas de bases de datos: Bases de datos: Sistemas de bases de datos: Un sistema de bases de datos es básicamente un sistema para archivar en computador, es decir, es un sistema computarizado cuyo propósito general es mantener

Más detalles

RETAIL CHAIN MANAGER Optimice sus operaciones minoristas y obtenga una sólida rentabilidad con Retail Chain Manager para Microsoft Dynamics AX

RETAIL CHAIN MANAGER Optimice sus operaciones minoristas y obtenga una sólida rentabilidad con Retail Chain Manager para Microsoft Dynamics AX RETAIL CHAIN MANAGER Optimice sus operaciones minoristas y obtenga una sólida rentabilidad con Retail Chain Manager para Microsoft Dynamics AX Genere ingresos para su negocio minorista Optimización de

Más detalles

Una base de datos es una colección de información ordenada e interrelacionada que es de importancia para una empresa.

Una base de datos es una colección de información ordenada e interrelacionada que es de importancia para una empresa. BASES DE DATOS Una base de datos es una colección de información ordenada e interrelacionada que es de importancia para una empresa. La creación de una base de datos debe ser realizada cuidadosamente procurando

Más detalles

Buenas Prácticas en Bases de Datos. María del Pilar Angeles. Posgrado de la Facultad de Ingeniería, UNAM. mpilar_angeles@exalumno.unam.

Buenas Prácticas en Bases de Datos. María del Pilar Angeles. Posgrado de la Facultad de Ingeniería, UNAM. mpilar_angeles@exalumno.unam. Buenas Prácticas en Bases de Datos María del Pilar Angeles. Posgrado de la Facultad de Ingeniería, UNAM. mpilar_angeles@exalumno.unam.mx Algunos Tópicos de Base de Datos Modelado y Diseño Programación

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

Trainning in.net technology. Formacion.Net Advanced Fernando Lencinas

Trainning in.net technology. Formacion.Net Advanced Fernando Lencinas Trainning in.net technology Formacion.Net Advanced Fernando Lencinas Página Page 1 1 Introduccion a la plataforma.net 1.1 Arquitectura de la plataforma.net 1.2 Common Language Runtime CLR, Microsoft Intermediate

Más detalles

COMERZZIA CHANGELOG. Changelog. COMERZZIA-CL-Changelog. Página 1 de 5. Fecha: 29/09/2014 Versión: 1.3

COMERZZIA CHANGELOG. Changelog. COMERZZIA-CL-Changelog. Página 1 de 5. Fecha: 29/09/2014 Versión: 1.3 COMERZZIA CHANGELOG Página 1 de 5 Versión 1.3.0 Actualización del entorno de desarrollo del TPV a Delphi 2010 Actualización del entorno de desarrollo del Gestor de Procesos a Eclipse Ïndigo Solucionado

Más detalles

UNIVERSIDAD NACIONAL DE ASUNCION FACULTAD POLITÉCNICA CARRERA: LCIK MATERIA: Bases de Datos I Prof: Lic. Lilian Riveros Unidad 2: Modelo Relacional

UNIVERSIDAD NACIONAL DE ASUNCION FACULTAD POLITÉCNICA CARRERA: LCIK MATERIA: Bases de Datos I Prof: Lic. Lilian Riveros Unidad 2: Modelo Relacional El Modelo Relacional es un modelo de datos que nos permite describir la estructura de una base de datos a nivel lógico. En 1969, Edgar Frank Ted Codd (1923-2003) introduce el modelo relacional con una

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

Cuando el pedido se entrega al cliente, se genera la factura correspondiente.

Cuando el pedido se entrega al cliente, se genera la factura correspondiente. (-(5&,&,26&$3Ë78/2 Una empresa compra a una serie de es diferentes piezas que posteriormente venderá a sus clientes, debiendo llevar a cabo el control de almacén (nº de piezas existentes de cada una de

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

PORTFOLIO APLICA.DÀT. Especial: Departamento de Informática. Que veo y que hay. No tiene la información que necesita cuando la requiere.

PORTFOLIO APLICA.DÀT. Especial: Departamento de Informática. Que veo y que hay. No tiene la información que necesita cuando la requiere. Soluciones de información para el Departamento de Informática. (Inventarios, Cuadro de Mando i soluciones posteriores) Que veo y que hay PORTFOLIO Especial: Departamento de Informática No tiene la información

Más detalles

ARQUITECTURA DE UNA BODEGA DE DATOS

ARQUITECTURA 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 detalles

IBM InfoSphere Foundation Tools permite ofrecer información de confianza

IBM InfoSphere Foundation Tools permite ofrecer información de confianza ZP06-0517, con fecha 15 de diciembre del 2009 IBM InfoSphere Foundation Tools permite ofrecer información de confianza Índice 1 Visión general 2 Fecha de comercialización prevista 2 Requisitos previos

Más detalles