Modelos de Datos Multidimensionales. Qué se representa?
|
|
- María Antonia Ríos Córdoba
- hace 7 años
- Vistas:
Transcripción
1 Modelos de Datos Multidimensionales Qué se representa?
2 Objetivos de los MMD: Representar los datos en forma cercana a la intuición del usuario. Resolver problemas planteados en sistemas relacionales.
3 Características Se representan los datos como una matriz. En los ejes están los criterios de análisis. En los cruces están los valores a analizar. A esta estructura se le llama Cubo o Hipercubo.
4 Características Agregando una 3a. dimensión:
5 Características Agregando una 4a. dimensión:
6 Estructuras básicas Los Cubos o Hipercubos constan de: Dimensiones: Criterios de análisis de los datos. Macro-objetos del problema. Variables independientes. Ejes en el hipercubo. Medidas Valores o indicadores a analizar. Datos asociados a relaciones entre los objetos del problema. Variables dependientes. Variables en la intersección de las dimensiones.
7 Medidas Aditivas, pueden ser sumarizadas a lo largo de cualquier dimensión. Ej: temperatura, que puede estar dada por las dimensiones estación, región y fecha. Semi aditivas, pueden no ser sumarizadas a lo largo de una o más dimensiones. Ej: nómina que puede estar dada por las dimensiones empleados y tiempo, pero no producto. No aditivas, no pueden sumarizarse a lo largo de ninguna dimensión. Ej: cantidad de producto, que únicamente puede estar dada por la dimensión producto.
8 Estructuras básicas En el ejemplo anterior: Dimensiones: Modelo Color Vendedor Fecha Medida: Cantidad Vendida
9 Dimensiones Jerarquías: Los valores se organizan en jerarquías (categorías). Por ejemplo: Dimensión: Vendedores
10 Dimensiones Jerarquías alternativas: Pueden haber varias jerarquías para una misma dimensión. Por ejemplo: Dimensión Vendedores: Región / Ciudad / Vendedor. Sexo / Rango_Edad / Vendedor.
11 Dimensiones Jerarquías Arbitrariamente Complejas Vendedor Año Fecha Región Semestre Trimestre Ciudad Mes Semana Vendedor Día
12 Medidas Propiedades: Se ubican en la intersección de algunos valores de las dimensiones. Dado un valor para cada dimensión se puede determinar un valor para la medida.
13 Medidas
14 Cubos La realidad se modela como un conjunto de cubos. Cada cubo, esta formado por: Un conjunto de Dimensiones organizadas en jerarquías. Un conjunto de Medidas asociadas a cada Coordenada. Es posible moverse en las jerarquías de las dimensiones y observar de esa forma, diferentes visiones de las medidas.
15 Ejemplo
16 Operaciones Principales operaciones en modelos MD: Slice. Dice. Rotación. Drill-down. Drill-up. Roll-up. Drill-across. Drill-through. Se implementan vía MDX, pero las mayoría de las herramientas de manejo de BI tienen facilidades tipo drag&drop para evitar la codificación
17 Operaciones: Slice Seleccionar Dimensiones (Slice) Se define un subconjunto del hipercubo especificando sobre qué dimensiones interesa analizar qué medida. Dimensión Medidas Colores Ventas Color Cantidad Modelos Modelo
18 Operaciones: Slice
19 Operaciones: Dice Filtrado (DICE) Se fijan valores para algunas dimensiones.
20 Operaciones: Rotación Rotación. Selecciona el orden de visualización de las dimensiones.
21 Operaciones: Drill-up, drill-down Movimientos en la Jerarquía de una Dimensión (Drillup,Drill-down)
22 Operaciones: Drill-up, drill-down Drill-Up o Drill-Down pueden verse como ajuste en las escalas de los ejes. Son agrupamientos y des-agrupamientos.
23 Operaciones: Roll-up Consolidación (Roll-Up). Calcula las medidas en función de agrupamientos. Realiza el re-cálculo de la medida de acuerdo a los ajustes de escala.
24 Operaciones: Roll-up Propiedades: Se debe especificar cuál es la operación que calcula el nuevo valor de la medida. Esta operación puede ser: suma, promedio, etc. Pueden haber medidas con comportamientos diferentes. Por ejemplo: Cantidades de productos vendidos se acumulan. Notas en exámenes se promedian.
25 Operaciones: Roll-up En general cualquier operación de navegación en un cubo implica un nuevo cálculo de la medida. Hay dos momentos posibles: Se asocia a la medida una operación por defecto. En el momento de hacer un movimiento en la dimensión se especifica cómo se hacen los cálculos.
26 Operaciones: Drill-Across Drill-Across Relaciona dos cubos.
27 Operaciones: Drill-Through Drill-Through. Accede a datos descriptivos
28 Agenda Inteligencia de Negocios: Pequeña Introducción Almacenes de Datos: Qué son? Modelos de Datos Multidimensionales: Qué se representa? Desarrollo de un DW: Cómo se hace? Diseño Lógico: Cómo nos acercamos a la implementación? Enfoques Diseño Conceptual: Cómo podemos diseñar conceptualmente un DW? Conclusiones
29 Desarrollo de un DW Cómo se hace?
30 Proceso de Desarrollo de un DW Componentes a desarrollar: Mecanismo de Adquisición de Datos Almacenamiento del DW Mecanismos de acceso para usuarios finales Para el DW Elegir Estrategia de Desarrollo Identificar Datos Fuentes a considerar Diseñar el DW a nivel Conceptual Diseñar el DW a nivel Lógico Implementar Planificar la Carga de Datos Operar
31 Desarrollo de un DW Integración Necesidades de Usuarios Bases de Datos Fuentes Esquema Integrado BD Fuentes E T L DW Esquema Lógico DW Esquema Conceptual del DW
32 El DW Tipo/s de DBMS. Relacional, Multidimensional, o ambos. Concepción del DW. Diseño e implementación de la carga. Administración del DW: Cómo describir y documentar los datos? Qué información hay que monitorear? Cómo organizar y realizar la administración del DW? Mediante qué tipo de herramientas?
33 DBMS para el Data Warehouse DBMSs Relacionales: Solución "universal". Soportan el grueso de las aplicaciones DW. Dificultades para resolver eficientemente consultas dimensionales. DBMSs Multi-Dimensionales: Representan los datos del problema en términos de dimensiones. Estructuras de almacenamiento están diseñadas para optimizar consultas dimensionales.
34 Diseño del Data Warehouse Elementos base: Las operaciones principales son consultas. La carga/actualización no es transaccional. Importancia de la calidad y facilidad de acceso. Por lo tanto El DW se construye en capas asignando propiedades a las tablas de cada una. Se suele des normalizar y materializar cálculos. En cuanto a complejidad El diseño del DW y programación de la carga constituyen las tareas más costosos y complejas.
35 El proceso de ETL BD Fuente ODS Data Warehouse Corporativo Data Marts Indicadores Agregados Históricos Datos Detallados Transformaci ones Datos preparados Datos homogeneizados Datos sin preparar Describen los otros datos Datos homogeneizados, integrados, preparar METADATA Datos más preparados y especializados
36 Agenda Inteligencia de Negocios: Pequeña Introducción Almacenes de Datos: Qué son? Modelos de Datos Multidimensionales: Qué se representa? Desarrollo de un DW: Cómo se hace? Diseño Lógico: Cómo nos acercamos a la implementación? Enfoques Diseño Conceptual: Cómo podemos diseñar conceptualmente un DW? Conclusiones
37 Diseño Lógico Cómo nos acercamos a la implementación?
38 Tablas de Hecho La tabla de hechos es la tabla primaria dentro de un modelo multidimensional, contiene los valores de las medidas de negocios, por ejemplo: ventas promedio, número de unidades vendidas, etc.
39 Tablas de Dimensiones Las tablas de dimensiones contienen el detalle de los valores que se encuentran asociados a la tabla de hechos. Generalmente tienen muchas columnas o atributos.
40 Esquemas de Representación Esquema Estrella Esquema Copo de Nieve
41 Esquema Estrella Compuesto de una tabla central con una clave primaria compuesta, denominada tabla de hechos, y un conjunto de dimensiones. Cada una de las tablas de dimensiones tiene una clave primaria que corresponde exactamente con uno de los componentes de la clave compuesta de la tabla de hechos. Las tablas de hechos, además de sus campos clave, contienen una o más medidas, indicadores o hechos. Las medidas más útiles en una tabla de hechos son numéricas y aditivas. En el modelo estrella las dimensiones no se normalizan. Con ello se logra minimizar el número de uniones y, por consiguiente, incrementar el rendimiento de las consultas.
42 Esquema Estrella
43 Esquema Copo de Nieve Derivado del esquema en estrella, en el que las tablas de dimensión se normalizan en múltiples tablas. La tabla de hechos deja de ser la única tabla del esquema que se relaciona con otras tablas, y aparecen nuevos joins gracias a que las dimensiones de análisis se representan ahora en tablas de dimensión normalizadas. En la estructura dimensional normalizada, la tabla que representa el nivel base de la dimensión es la que hace join directamente con la tabla de hechos. La diferencia entre ambos esquemas (estrella y copo de nieve) reside entonces en la estructura de las tablas de dimensión.
44 Esquema Copo de Nieve
45 Agenda Inteligencia de Negocios: Pequeña Introducción Almacenes de Datos: Qué son? Modelos de Datos Multidimensionales: Qué se representa? Desarrollo de un DW: Cómo se hace? Diseño Lógico: Cómo nos acercamos a la implementación? Enfoques Diseño Conceptual: Cómo podemos diseñar conceptualmente un DW? Conclusiones
46 Enfoques Diseño Conceptual Cómo podemos diseñar conceptualmente un DW?
47 Enfoques de Diseño Conceptual Análisis desde requerimientos: Los requerimientos son el universo de información. Las bases fuente se relacionarán luego. Aplicable cuando se tienen Bases Fuentes complejas. (Se analizan con los requerimientos en mente). Análisis desde datos: Datos fuentes son el universo de información. El DW se obtiene transformando las fuentes. Aplicable cuando los requerimientos están poco claros. Enfoque MDA Ortogonal a los enfoques previos Se basa en la transformación de modelos, ya sea desde los requerimientos o los datos fuentes Aún en desarrollo Alineamiento Estratégico
48 Estrategia Basada en Datos Método propuesto por Matteo Golfarelli Parte desde el MER y entrega un modelo de los cubos a implementar. Tiene un fuerte uso de los grafos y sus propiedades.
49 MER CAUSAL BECA (1,1) CRÉDITO (1,1) (1,1) tiene tiene tiene RAMO (1,n) Ramo_toma (0,n) (1,n) (0,n) ALUMNO (0,n) (1,1) tiene (1,1) INGRESO (1,n) (1,1) (0,1) pertenece Viene de tiene (1,n) (1,n) (1,1) MALLA COLEGIO TITULACIÓN
50 Cubo para una medida Medida o hecho de interés: Cantidad de años promedios que los alumnos demoran en salir de la Universidad. Dimensiones: Sexo, Colegio de procedencia, Zona de procedencia.
51 Construcción del árbol de atributos % BECA Año Créd. Especiales Créd. Electivos Id_Sem Sección Profesor Fecha vencimiento Cuidad Origen Genéro CRÉDITO Carrera Ptje. RAMO INGRESO Id. Sem MALLA ALUMNO RAMO Alumno Créd. Obligatorio Créditos Nota Individuo TITULACIÓN Id_sem CAUSAL COLEGIO Año Nota Estado Nombre Articulo Detalle Financiamiento Tipo Educ.
52 Poda y repoblación del árbol Promedio de años necesarios para Titularse Id_sem Puntaje Nota TITULACION Carrera INGRESO ALUMNO Id_sem Ciudad Género Género Titulación Nota de Titulación - Cantidad promedio de Años Puntaje de Entrada
53 Visión General MER Promedio de años necesarios para Titularse CAUSAL Puntaje Id_sem Carrera RAMO pertenece (1,1) (1,n) INGRESO (1,n) tiene Ramo_toma ALUMNO (0,n) (1,n) Género BECA tiene (0,n) ALUMNO (1,1) Viene de (1,1) Nota TITULACION (0,n) (1,1) (0,1) Id_sem Nota de Titulación tiene tiene tiene (1,1) Ciudad (1,1) CRÉDITO Género Titulación INGRESO - Cantidad promedio de Años MALLA (1,n) (1,n) COLEGIO Puntaje de Entrada (1,1) TITULACIÓN
54 Implementación Se eligió SQLServer + Analysis Services SQLServer tiene las tablas fuentes. Analysis Services tiene los cubos. Los cubos pueden ser exportados a aplicaciones de ofimática tales como Word o Excel.
55 El cubo en Analysis Services Promedio de años necesarios para Titularse Id_sem Puntaje Nota TITULACION Carrera INGRESO ALUMNO Id_sem Ciudad Género Género Titulación Nota de Titulación - Cantidad promedio de Años Puntaje de Entrada
56 Una visión de los datos
57 Centrada en los Requerimientos Metodología basada en el ciclo de desarrollo de software y BD tipico Lenguaje de Modelación CMDM (Carpani) Se centra en identificar qué se requiere, luego identifica dónde se encuentra la información necesaria. Si no está disponible, se deben desarrollar los sistemas OLTP que la gestionen.
58 Indicadores Para una Universidad
59 Diseño Lógico
60 Cruce de Dimensión
61 Observaciones En este caso se implementaron un conjunto de dashboards y otros reportes de gestión con indicadores relevantes para la gestión universitaria (se utilizó el software CorVu)
62 Agenda Inteligencia de Negocios: Pequeña Introducción Almacenes de Datos: Qué son? Modelos de Datos Multidimensionales: Qué se representa? Desarrollo de un DW: Cómo se hace? Diseño Lógico: Cómo nos acercamos a la implementación? Enfoques Diseño Conceptual: Cómo podemos diseñar conceptualmente un DW? Conclusiones
63 Conclusiones
64 Conclusiones DW es un elemento clave de cualquier sistema de análisis (BI) Es necesario comprender bien el negocio para desarrollar aplicaciones que sean útiles Perfil altamente demandado en Chile La implementación aún es inmadura Complejidades asociadas a la falta de metoldologías ampliamente aceptadas de diseño (ni lenguajes) Grandes volúmenes de información Costo alto Relevancia de procesos ETL
65 Desafíos Mejorar el proceso de desarrollo (MDA con UML?) Manejar información cualitativa en las medidas (FuzzyDW) Operar en un FuzzyDW Manejar información hetereogénea Proveer sistemas realmente usables, confiables y flexibles Mejorar los lenguajes de consulta (MDX)
66 Referencias
67 Referencias Kimball, R. (1997). The Data Warehouse Toolkit: Practical Techniques for Building Dimensional Data Warehouses. New York: John Wiley and Sons. Livingston, G. R. (1997). Database Design for Data Warehouses: The Basic Requirements. En H. E. R. Barquin, Planning and Designing the Data Warehouse. New Jersey: Prentice Hall. F. Carpani. CMDM: Un Modelo Conceptual para la Especificación de Bases de Datos Multidimensionales, Tesis para optar al grado de Maestría. Universidad de la República Uruguay URL: sis/tesis-carpani.pdf.
68 S. Chaudhuri, U. Dayal. An Overview of Data Warehousing and OLAP Technology SIGMOD Record, Vol. 26, pp , Pearson ISBN M. Golfarelli, D. Maio, S. Rizzi, The dimensional fact model: A conceptual model for data warehouses. International Journal of Cooperative Information Systems, Vol.7, Issue 3, pp , W. Inmon, Building the Data Warehouse. John Wiley & Sons, J-N. Mazón, J. Trujillo, An MDA approach for the development of data warehouses. Decision Support Systems Vol. 45, pp , 2008.
69 J-N. Mazón, J. Lechtenbörger, J. Trujillo: A survey on summarizability issues in multidimensional modeling. Data Knowl. Eng. Vol. 68. Issue 12, pp J. Trujillo, M. Palomar, J. Gómez., Il-Yeol Song, Designing Data Warehouses with OO Conceptual Models. IEEE Computer. Vol. 34, pp , 2001.
Concepción - Chile Marcela Varas Universidad de Concepción Chile - 2012
Presentación Concepción - Chile www.udec.cl Universidad de Concepción - Chile Estudiantes Universidad de Concepción Departamento de Ingeniería Informática y Ciencias de la Computación Facultad de Ingeniería
Más detallesPrueba de autoevaluación 2
Universidad Carlos III de Madrid1 Prueba de autoevaluación 2 1. En un sistema OLTP: a) El significado de un proceso transaccional está orientado hacia el negocio. b) El significado de un proceso transaccional
Más detallesDecision Support System (DDS)
Sistemas de Soporte a la toma de Decisiones Decision Support System (DDS) Decision Support System (DDS) Son aquellos que, mediante el uso de reglas de procesamiento de datos basadas en lógica, en combinación
Más detallesInteligencia de Negocios (Introducción)
Inteligencia de Negocios (Introducción) Por Elizabeth León Guzmán Profesora Agenda Datos, información, conocimiento Inteligencia de negocios Definición Características Fases Introducción a las bodegas
Más detallesArquitectura de un data warehouse Funcionamiento detallado de un data warehouse
El modelo multidimensional Data a Warehousing OLAP vs. OLTP Data Warehousing El modelo multidimensional Dimensiones, medidas y hechos Arquitectura de un data warehouse Funcionamiento detallado de un data
Más detallesAux 2. Introducción a la Minería de Datos
Aux 2. Introducción a la Minería de Datos Gastón L Huillier 1,2, Richard Weber 2 glhuilli@dcc.uchile.cl 1 Departamento de Ciencias de la Computación Universidad de Chile 2 Departamento de Ingeniería Industrial
Más detallesCurso Implementing Data Models and Reports with Microsoft SQL Server 2014 (20466)
Curso Implementing Data Models and Reports with Microsoft SQL Server 2014 (20466) Programa de Estudio Curso Implementing Data Models and Reports with Microsoft SQL Server 2014 (20466) Aprende a potenciar
Más detallesMS_20467 Designing Business Intelligence Solutions with Microsoft SQL Server 2014
Gold Learning Gold Business Intelligence Silver Data Plataform MS_20467 Designing Business Intelligence Solutions with Microsoft SQL Server 2014 www.ked.com.mx Av. Revolución No. 374 Col. San Pedro de
Más detallesLas empresas han comenzado a aprovechar los cada vez más numerosos datos en línea para tomar mejores decisiones sobre sus actividades.
Las empresas han comenzado a aprovechar los cada vez más numerosos datos en línea para tomar mejores decisiones sobre sus actividades. Para ejecutar de manera eficiente las consultas sobre datos tan diferentes
Más detallesBases de Datos UN IVERSIDAD N AC IONAL D E MISIONES FACULTAD IENCIAS EXACTAS, QUÍMICAS Y NATURALES
CATEDRA: INTRO. BASES DE DATOS PROFESOR: Asc. PAUTSCH, German TITULAR: Ing. CASTAÑO Rubén UN IVERSIDAD N AC IONAL D E MISIONES FACULTAD IENCIAS EXACTAS, QUÍMICAS Y NATURALES Bases de Datos 1. Introducción...
Más detallesPrograma de DISEÑO Y CONSTRUCCION DE DATA WAREHOUSE
Programa de DISEÑO Y CONSTRUCCION DE DATA WAREHOUSE 1. NOMBRE DE LA UNIDAD CURRICULAR Diseño y Construcción de Data Warehouse 2. CRÉDITOS 10 créditos 3. OBJETIVOS DE LA UNIDAD CURRICULAR Brindar al estudiante
Más detallesLa herramienta OLAP genera la correspondiente consulta y la envía al gestor de consultas del sistema (p.ej. mediante una sentencia SELECT).
9. OLAP 9.1 Introducción Las herramientas de OLAP (Online Analytical Processing) presentan al usuario una visión multidimensional de los datos (esquema multidimensional) para cada actividad que es objeto
Más detallesOLAP. (OnLine Analytical Processing) I.S.C. Zoraya Catalina Flores Juárez Bases de Datos Otoño, 2012.
OLAP (OnLine Analytical Processing) I.S.C. Zoraya Catalina Flores Juárez Bases de Datos Otoño, 2012. Introducción. Las empresas han comenzado a aprovechar los cada vez más numerosos datos en línea para
Más detallesCI2355 Almacenes de datos y OLAP
CI2355 Almacenes de datos y OLAP Examen Lunes, 7 de mayo de 2012 2012/03/26 CI2355 - Almacenes de datos y OLAP 2 Trabajo de Investigación Presentación Artículo 40-45 minutos Fechas: Entre el 14 de mayo
Más detallesBases de Datos Masivas
Bases de Datos Masivas Data Warehouse Bases de Datos Multidimensionales Agosto 2016 OLTP y OLAP Los sistemas transaccionales tradicionales (OLTP - On Line Transaction Processing) son inapropiados para
Más detallesETL es el proceso responsable por las operaciones que tiene lugar en el back stage de una arquitectura de Data Warehouse.
ETL Segunda Parte ETL es el proceso responsable por las operaciones que tiene lugar en el back stage de una arquitectura de Data Warehouse. Framework de ETL Datos extraídos de fuentes de almacenamiento
Más detalles8 horas semanales 32 horas semestral. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA NOMBRE DEPARTAMENTO ESCUELA DE INGENIERIA Informática Y Sistemas ÁREA DE CONOCIMIENTO NOMBRE ASIGNATURA EN ESPAÑOL NOMBRE ASIGNATURA EN INGLÉS CÓDIGO INGENIERIA DE SISTEMAS,
Más detallesDiseño de Bases de Datos (TEMAS 1 Y 2)
Departamento de Lenguajes y Sistemas Informáticos Avda Reina Mercedes s/n. 41012 Sevilla Tlf/Fax 954 557 139 E-mail lsi@lsi.us.es www.lsi.us.es E.T.S. Ingeniería Informática Diseño de Bases de Datos (TEMAS
Más detallesTaller #2. Carlos Reveco Cinthya Vergara
Taller #2 Carlos Reveco creveco@dcc.uchile.cl Cinthya Vergara cvergarasilv@ing.uchile.cl 1 Taller#2 Modelamiento Multidimensional Antecedentes Generales Ejercicio Laboratorio #2: Desde Modelo Estrella
Más detallesTEMA 5: INTRODUCCIÓN A LA INGENIERÍA DEL SOFTWARE. Definición de Ingeniería del Software
TEMA 5: INTRODUCCIÓN A LA INGENIERÍA DEL SOFTWARE Definición de Estudio de los principios y metodologías para el desarrollo y mantenimiento de sistemas software [Zelkovitz, 1978]. Aplicación práctica del
Más detallesBDF-1502 3-2 5. SATCA 1 : Carrera:
1. Datos Generales de la asignatura Nombre de la asignatura: Bases De Datos Multidimensionales Clave de la asignatura: SATCA 1 : Carrera: BDF-1502 3-2 5. Ingeniería en Sistemas Computacionales 2. Presentación
Más detallesIngeniería en Informática. Data WareHouse
Ingeniería en Informática Data WareHouse NOMBRE: Héctor Durán Katherine Zumelzu CARRERA: Ingeniería en Informática ASIGNATURA: TIC II PROFESOR: Rodrigo Tapia Santis FECHA: 14 de Septiembre 2015 Índice
Más detallesAtributos Los atributos son las columnas de un relación y describen características particulares de ella.
Unidad III: Modelo relacional 3.1 Estructura básica Tablas El modelo relacional proporciona una manera simple de representar los datos: una tabla bidimensional llamada relación. título año duración tipo
Más detallesIntroducción al Data Warehousing. Diseño Conceptual.
Plan General Introducción al Data Warehousing. Diseño Conceptual. Conceptos generales y proceso de diseño. Modelos Multidimensionales. Estrategia basada en requerimientos. Estrategia basada en datos. Diseño
Más detallesCMDM: Un Modelo Conceptual para la Especificación de Bases Multidimensionales.
Tesis de Maestría. CMDM: Un Modelo Conceptual para la Especificación de Bases Multidimensionales. Fernando Carpani. Agosto 2000 Tutor: Dr. Raúl Ruggia. Instituto de Computación - Facultad de Ingeniería.
Más detallesUnidad 10. Almacenes de Datos
Unidad 10 Almacenes de Datos Introducción Definición Los Almacenes de Datos (data warehouse) son colecciones de datos orientadas a la toma de decisiones Almacenes de Datos y Bases de Datos La principal
Más detallesModulo II Data Warehouse y OLAP
Diplomado en Minería de Datos para la Toma de Decisiones Modulo II Data Warehouse y OLAP 2 Arquitectura Data Warehouse Objetivos 2.1 Niveles y Componentes. 2.2 Modelo de Datos Multidimensional. 2.3 Tipos
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Data warehousing y data mining. CURSO ACADÉMICO - SEMESTRE Segundo semestre
ANX-PR/CL/001-02 GUÍA DE APRENDIZAJE ASIGNATURA Data warehousing y data mining CURSO ACADÉMICO - SEMESTRE 2015-16 - Segundo semestre GA_61IF_615000143_2S_2015-16 Datos Descriptivos Nombre de la Asignatura
Más detallesInteligencia de Negocios
Regresar... Inteligencia de Negocios Datos Generales 1. Nombre de la Asignatura 2. Nivel de formación 3. Clave de la Asignatura Inteligencia de Negocios Licenciatura I5641 4. Prerrequisitos 5. Area de
Más detallesSISTEMA DE INFORMACIÓN PARA LA DIRECCIÓN SOBRE EL ÁREA DE TRIBUTOS (HACIENDA TRIBUTARIA DE NAVARRA)
SISTEMA DE INFORMACIÓN PARA LA DIRECCIÓN SOBRE EL ÁREA DE TRIBUTOS (HACIENDA TRIBUTARIA DE NAVARRA) GOBIERNO DE NAVARRA Servicio de Proyectos de Sistemas de Información Dirección General para la Sociedad
Más detallesIntegración de datos espaciales de dos dimensiones en la construcción de hipercubos dentro del procesamiento analítico en línea
Integración de datos espaciales de dos dimensiones en la construcción de hipercubos dentro del procesamiento analítico en línea Carlos Fernando Ruiz Chávez Introducción El descubrimiento de conocimiento
Más detallesBASE DE DATOS. Qué es una base de datos?
1 BASE DE DATOS Qué es una base de datos? Una base de datos es una herramienta para recopilar y organizar información. En las bases de datos, se puede almacenar información sobre personas, productos, pedidos,
Más detallesSistemas de Información 12/13 La organización de datos e información
12/13 La organización de datos e información Departamento Informática e Ingeniería de Sistemas Universidad de Zaragoza (raqueltl@unizar.es) " Guión Introducción: Data Warehouses Características: entornos
Más detallesPor qué construir un Data Warehouse? Inteligencia de Negocios Una herramienta para la toma de decisiones SQL Server 2005/2008
Inteligencia de Negocios Una herramienta para la toma de decisiones 2005/2008 Por qué construir un Data Warehouse? No es fácil obtener información! Contamos con montañas de información en la compañia,
Más detallesINTELIGENCIA DE NEGOCIO
INTELIGENCIA DE NEGOCIO 2017-2018 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Minería de Datos. Ciencia de Datos Tema 3. Modelos de Predicción: Clasificación, regresión y series temporales
Más detallesDesempeño Alineación Riesgo
Desempeño Alineación Riesgo Descriptivo Cómo definir e implementar un Service Desk acorde a las Mejores Prácticas de ITIL MODALIDAD PRESENCIAL GESTIÓN DE SERVICIOS ÁGIL LEAN IT GOBIERNO GESTIÓN DE PROYECTOS
Más detallesBASES DE DATOS TEMA 2 MODELOS DE DATOS
BASES DE DATOS TEMA 2 MODELOS DE DATOS 2.3 De red En este modelo las entidades se representan como nodos y sus relaciones son las líneas que los unen. En esta estructura cualquier componente puede relacionarse
Más detallesMODALIDAD ACADÉMICA. INGENIERÍA EN SISTEMAS DE INFORMACIÓN Ciclo Lectivo 2016 Vigencia del programa Desde el ciclo lectivo 2014 Plan 2008 Nivel
Asignatura MODALIDAD ACADÉMICA BI Business Intelligence Carrera INGENIERÍA EN SISTEMAS DE INFORMACIÓN Ciclo Lectivo 2016 Vigencia del programa Desde el ciclo lectivo 2014 Plan 2008 Nivel 3er. Nivel 4to.
Más detallesEXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP OLAP EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP
OLAP... OLAP 1 OLAP 2 MODELO DE UN AMBIENTEOLAP LAS HERRAMIENTAS DE OLAP PRESENTAN AL USUARIO UNA VISIÓN MULTIDIMENSIONAL DE LOS DATOS O ESQUEMA MULTIDIMENSIONAL, PARA CADA ACTIVIDAD QUE ES OBJETO DE ANÁLISIS.
Más detallesOLAP EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP. SISTEMAS ROLAP Y MOLAP. SQL AMPLIADO. OLAP 1
OLAP EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP. SISTEMAS ROLAP Y MOLAP. SQL AMPLIADO. OLAP 1 EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP OLAP 2 EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP MODELO DE UN AMBIENTE OLAP
Más detallesINTRODUCCION A LAS BASES DE DATOS. Tecnología de la Información
INTRODUCCION A LAS BASES DE DATOS Tecnología de la Información Que es una Base de Datos? La base de datos puede definirse como una colección de datos interrelacionados almacenados en conjunto sin redundancias
Más detallesPROGRAMA DE CURSO. Horas Docencia Horas de Trabajo SCT. Horas de Cátedra Docentes. Personal 6 10 3.0 1.5 5.5
PROGRAMA DE CURSO Código Nombre IN5523 DATA WAREHOUSING Nombre en Inglés Data Warehousing es Horas Docencia Horas de Trabajo SCT Horas de Cátedra Docentes Auxiliar Personal 6 10 3.0 1.5 5.5 Requisitos
Más detallesOverview GeneXus Qué es y para qué sirve GeneXus? Principales características y beneficios.
Overview GeneXus Qué es y para qué sirve GeneXus? Principales características y beneficios. Qué es GeneXus?, GeneXus es la herramienta líder para crear, desarrollar y mantener en forma automática aplicaciones
Más detallesUNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI
UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: BASES DE DATOS III FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC ( )
Más detallesBASES DE DATOS AVANZADAS. Facultad de Estadística e Informática
BASES DE DATOS AVANZADAS Clase 26 Agenda Integración de datos osistemas de mediación odata Warehousing Integración de datos CÓMPUTO EN LA NUBE Qué es? La integración de datos la podemos definir como el
Más detalles1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Probabilidad y Estadística. Carrera: Ingeniería en Materiales. Clave de la asignatura: MAM 0524
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería en Materiales MAM 0524 3 2 8 2.- HISTORIA
Más detallesAnálisis y Diseño de Sistemas Departamento de Sistemas - Facultad de Ingeniería
Objetivos: DESARROLLO DE SOFTWARE - ESTUDIO DE FACTIBILIDAD 1. Determinar la factibilidad técnica, económica, operativa y jurídica (y de ser necesarias otras) del proyecto. 2. Lograr el conocimiento general
Más detallesMETODOLOGÍA DE DISEÑO DE SISTEMAS
METODOLOGÍA DE DISEÑO DE SISTEMAS METODOLOGÍA DE HALL I. INTRODUCCIÓN Uno de los campos en donde con mas intensidad se ha sentido la necesidad de utilizar conceptos y metodologías de Ingeniería de Sistemas
Más detallesPLANEACIÓN ESTRATÉGICA
PLANEACIÓN ESTRATÉGICA CÓDIGO: EST1-P-004 PROCEDIMIENTO VERSIÓN: 1 PLANEACIÓN DE LA GESTIÓN Y CONTROL POR PROCESOS FECHA DE VIGENCIA 09/May/2014 1. OBJETIVO Determinar los lineamientos metodológicos para
Más detallesFUNDAMENTOS DE BASES DE DATOS TEMA 6
FUNDAMENTOS DE BASES DE DATOS TEMA 6 Almacenes de Contenido multidimensional. Diseño 6.3. Procesos ETL (Extract, Transform and Load) 6.4. Implementación: OLAP (elational On-line Analytical Proccessing)
Más detallesSYLLABUS de la Asignatura Inteligencia de Negocios
Escuela de Informática Sazié 2325 +56 2 2661 8256 contactofi@unab.cl SYLLABUS de la Asignatura Negocios 1. Descripción de la asignatura Este curso presenta el diseño y análisis de sistemas de información
Más detallesModelos Multidimensionales con Analysis Services Primeros Pasos
Modelos Multidimensionales con Analysis Services Primeros Pasos Marco Tulio Gómez mgomez@solcomp.com MSc. Tecnologías de la Información MCITP Business Intelligence Developer MCTS Business Intelligence
Más detallesOLAP en las PyMEs Un modelo multidimensional común para empresas del sector yerbatero del nordeste argentino
OLAP en las PyMEs Un modelo multidimensional común para empresas del sector yerbatero del nordeste argentino Eduardo Zamudio, Mario R. Vialey, Horacio D. Kuna Facultad de Ciencias Exactas, Químicas, y
Más detallesPrograma Académico Curricular Vicerrectorado de Docencia
Carrera: Bachillerato en Contaduría Curso: Sistemas de Contabilidad Código: CO 3064 Créditos: 4 Dirección de Contaduría Pública I. Descripción del Curso El curso de Sistemas de Contabilidad I, tiene como
Más detalles240EO035 - Sistemas de Información
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 732 - OE - Departamento de Organización de Empresas
Más detallesObjetivos y Temario CURSO SQL SERVER 2012
Objetivos y Temario CURSO SQL SERVER 2012 OBJETIVOS Este curso está dirigido a todos los que comienzan a trabajar con SQL Server 2012. De una forma rápida y concisa obtendrá el conocimiento necesario para
Más detallesAPLICACIÓN DE ANÁLISIS MULTIDIMENSIONAL DE INFORMACIÓN PARA LAS GERENCIAS OPERATIVAS DIVISIÓN IT
APLICACIÓN DE ANÁLISIS MULTIDIMENSIONAL DE INFORMACIÓN PARA LAS GERENCIAS OPERATIVAS DIVISIÓN IT AAMIGO Objetivo Describir las principales características de nuestro producto, para la generación de consultas
Más detallesÁlgebra de BOOLE. Tema 4
Álgebra de BOOLE Tema 4 1. Definición formal del álgebra de Boole. 2. Leyes y reglas del álgebra de Boole. 3. Operaciones y expresiones booleanas. 4. Formas canónicas de las expresiones booleanas. 5. Expresiones
Más detallesCarga y Mantenimiento de DW
Proceso de Diseño esq. conceptual diseño concep. dis. lógico dis. lógico dis. lógico implementación esq. lóg. MD data marts MD carga refinamiento implementación esq. lóg. rel. DW esq. lóg. rel. DW DW rel.
Más detallesAux 1. Introducción a la Minería de Datos
Aux 1. Introducción a la Minería de Datos Gastón L Huillier 1,2, Richard Weber 2 glhuilli@dcc.uchile.cl 1 Departamento de Ciencias de la Computación Universidad de Chile 2 Departamento de Ingeniería Industrial
Más detallesMETODOLOGÍA COMMONKADS.
METODOLOGÍA COMMONKADS. Figura A.1. Metodología CommonKads La metodología CommonKads se utiliza como un estándar por los responsables de la gestión del conocimiento e ingenieros del conocimiento para el
Más detalles1.1. Resumen. 1.2. Introducción. 1.3. Objetivos del resumen automático
1. RESUMEN AUTOMÁTICO 1.1. Resumen El objetivo de esta web es explicar en qué consiste el resumen automático de documentos y cómo es posible combinar técnicas de recuperación y organización de la información
Más detallesPLATAFORMA TECNOLOGICA PARA LA TOMA DE DECISIONES INTEGRADA EN LA PYME. ajaraw@cidnoa.org.ar
PLATAFORMA TECNOLOGICA PARA LA TOMA DE DECISIONES INTEGRADA EN LA PYME MARCO CONCEPTUAL Democratizar el Acceso a Herramientas de Software a pequeñas Organizaciones que permita procesar grandes volúmenes
Más detallesInstituto de Computación - Facultad de Ingeniería Marzo 2017
Diseño y Construcción de Data Warehouse Instituto de Computación - Facultad de Ingeniería Marzo 2017 Temario General Introducción a los Sistemas de Data Warehouse Diseño Conceptual Diseño Lógico Proceso
Más detallesMODELIZACIÓN AUTOMÁTICA DE PROBLEMAS DE REDES DE DISTRIBUCIÓN MEDIANTE TECNOLOGÍA JAVA
MODELIZACIÓN AUTOMÁTICA DE PROBLEMAS DE REDES DE DISTRIBUCIÓN MEDIANTE TECNOLOGÍA JAVA Angel Cobo Ortega Patricia Gómez García Fac. Económicas y Empresariales - Universidad de Cantabria Av. Los Castros
Más detallesMETODOLOGÍA DEL MARCO LÓGICO
METODOLOGÍA DEL MARCO LÓGICO Jorge Muñoz C. Dirección General de Inversión Pública Dirección de Proyectos de Inversión Pública Sector Salud, Desarrollo e Inclusión Social Introducción al Marco Lógico (ML)
Más detallesDISEÑO CURRICULAR ALGORITMOS, ESTRUCTURAS Y PROGRAMACIÓN I
DISEÑO CURRICULAR ALGORITMOS, ESTRUCTURAS Y PROGRAMACIÓN I FACULTAD (ES) CARRERA (S) Ingeniería Computación y Sistemas CÓDIGO HORAS TEÓRICAS HORAS PRÁCTICAS UNIDAS CRÉDITO SEMESTRE 122643 02 02 03 II PRE-REQUISITO
Más detallesMODALIDAD ACADÉMICA. Al menos 1 materia(s) del conjunto PAVII-DLC
Asignatura MODALIDAD ACADÉMICA BI Business Intelligence Carrera INGENIERÍA EN SISTEMAS DE INFORMACIÓN Ciclo Lectivo 2017 Vigencia del programa Desde el ciclo lectivo 2017 Plan 2008 Nivel 3er. Nivel 4to.
Más detallesUNIVERSIDAD NACIONAL TECNOLÓGICA DE LIMA SUR CARRERA PROFESIONAL DE INGENIERÍA DE SISTEMAS
UNIVERSIDAD NACIONAL TECNOLÓGICA DE LIMA SUR CARRERA PROFESIONAL DE INGENIERÍA DE SISTEMAS INFORME DE SUSTENTACIÓN DESARROLLO DE UNA SOLUCIÓN DE INTELIGENCIA DE NEGOCIOS COMO HERRAMIENTA DE APOYO A LA
Más detallesSILABO DE SISTEMAS DE INFORMACION GERENCIAL
FACULTAD DE ESTUDIOS DE LA EMPRESA CARRERA DE ADMINISTRACIÓN SILABO DE SISTEMAS DE INFORMACION GERENCIAL I.- DATOS INFORMATIVOS 1.1 FACULTAD : ESTUDIOS DE LA EMPRESA 1.2 CARRERA PROFESIONAL : ADMINISTRACION
Más detallesClasificación de los planes:
Tipos de Planes Plan Es el producto de la planeación, el evento intermedio entre el proceso de planeación y el proceso de implementación del mismo. El propósito de los planes se encuentra en: La previsión,
Más detallesSistemas de Información Gerencial
Sistemas de Información Gerencial Tema 6: Inteligencia de Negocios: Modelo Dimensional Ing. Francisco Rodríguez Novoa 1 INDICE OLTP. OLAP Modelo Estrella. Modelo Copa de Nieve Modelo Dimensional 2 Mapa
Más detallesDiseño multidimensional. Jordi Conesa i Caralt Isabel Guitart Hormigo M. Elena Rodríguez González
Diseño multidimensional Jordi Conesa i Caralt Isabel Guitart Hormigo M. Elena Rodríguez González Índice Necesidades de los analistas y herramientas OLAP Multidimensionalidad Diseño lógico Necesidades de
Más detallesDefinimos un Sistema Gestor de Bases de Datos o SGBD, también llamado DBMS (Data Base Management System) como una colección de datos relacionados entr
Introducción Arquitectura de los DBMS Lenguajes de los DBMS Diccionario de datos Seguridad e integridad de los datos Administrador del DBMS Arquitectura Cliente-Servidor Definimos un Sistema Gestor de
Más detallesUNIVERSIDAD NACIONAL DE INGENIERÍA UNI RUACS ESTELI
Estelí, 13 de Agosto del 2012 EL METODO SIMPLEX El método simplex es el más generalizado para resolver problemas de programación lineal. Se puede utilizar para cualquier número razonable de productos y
Más detallesTema # 7. método simplex matricial o revisado
IO04001 Investigación de Operaciones I Tema # 7 Solución de problemas mediante el método simplex matricial o revisado Objetivos de aprendizaje Al finalizar el tema serás capaz de: Emplear el Método simplex
Más detallesLOGO Fundamentos Básicos de Estadística I
LOGO Fundamentos Básicos de Estadística I Prof. Mariugenia Rincón mrinconj@gmail.com Definiciones Estadistica. Objetivo e Importancia Clasificación: Descriptiva e Inferencial Población y Muestra Unidad
Más detallesSoporte a la toma de decisiones
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Soporte a la toma de decisiones M. En C. Eduardo Bustos Farías as 1 1.4.1. CONCEPTOS OS DE SISTEMAS DE APOYO A LAS DECISIONES (SAD) ES (SAD) Podemos
Más detallesPROTADA CONTENIDOS DE EVALUACIÓN DE MATEMÁTICAS 2012. Subdirección de Desarrollo Dirección General de Evaluación e Investigación Educativa -DIGEDUCA-
PROTADA CONTENIDOS DE EVALUACIÓN DE MATEMÁTICAS 2012 Subdirección de Desarrollo Dirección General de Evaluación e Investigación Educativa -DIGEDUCA- Contenido 1. Objetivo del documento... 2 2. Concepto
Más detallesExplican las características de el modelo entidad relación. Utilizar la simbología del modelo entidad relación. Resolver problemas utilizando el
Explican las características de el modelo entidad relación. Utilizar la simbología del modelo entidad relación. Resolver problemas utilizando el modelo entidad relación. Realizar el modelo entidad relación
Más detallesPLAN DE ESTUDIOS POR ASIGNATURA Y SUS OBJETIVOS
PLAN DE ESTUDIOS POR ASIGNATURA Y SUS OBJETIVOS El plan se encuentra integrado por ocho seminarios, desarrollados en módulos cuyos contenidos temáticos son incrementales y complementarios: I. Visión de
Más detallesGerencia de Informática. Contexto Organizacional
01 Gerencia de Informática. Contexto Organizacional Nivel Estratégico Gerente TI Nivel Supervisorio Construcciónde sistemas Opnes y Mantto. Auditoría y seguridad Nivel Operativo Actividades Des. Sist.
Más detallesModelo Multidimensional para apoyo a toma de decisiones para el sistema contable de las firmas comisionistas de bolsa.
1 Universidad San Buenaventura Facultad de Ingenierías Especialización en Gestión de la información y Bases de Datos HERNAN CORREA MUÑOZ KAMIL GOMEZ GARCIA Modelo Multidimensional para apoyo a toma de
Más detallesPENTAHO BI (Open Source) Introducción. Taller Técnicos PENTAHO Junio 2011
PENTAHO BI (Open Source) Introducción Taller Técnicos PENTAHO Junio 2011 Introducción a Pentaho BI: Enterprise & Community. Componentes de la Plataforma Pentaho Reporting Análisis de Datos (Mondrian JPIVOT)
Más detallesModelo CMDM. Diseño y Construcción de Data Warehouse. Diseño Conceptual. InCo Grupo CSI [Car00]
Diseño y Construcción de Data Warehouse Instituto de Computación - Facultad de Ingeniería Abril 207 Diseño Conceptual Modelo CMDM InCo Grupo CSI [Car00] 2 Modelo CMDM Objetivos principales: Representación
Más detallesBusiness Intelligence (Inteligencia de Negocios) en la Agencia Canadiense de Ingresos. Asamblea General del CIAT 2014 Río de Janeiro, Brasil
Business Intelligence (Inteligencia de Negocios) en la Agencia Canadiense de Ingresos Asamblea General del CIAT 2014 Río de Janeiro, Brasil Contexto Datos Información Inteligencia Mejores decisiones Efectivo
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR INGENIERÍA EN TECNOLOGÍA COMPUTACIONAL. ASIGNATURA Programación I. Básica ETAPA DE FORMACIÓN.
ASIGNATURA Programación I ÁREA DE CONOCIMIENTO ETAPA DE FORMACIÓN UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR Básica Profesional CLAVE ICC203 SEMESTRE II CRÉDITOS 8 HORAS TEORÍA 4 HORAS PRÁCTICA 0 CARÁCTER
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) SYLLABO
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA Escuela Académico Profesional de Ingeniería de Sistemas 1. ESPECIFICACIONES
Más detallesUSO DE LA CALCULADORA EN LA ENSEÑANZA DE LAS MATEMÁTICAS EN LA ESCUELA SECUNDARIA
USO DE LA CALCULADORA EN LA ENSEÑANZA DE LAS MATEMÁTICAS EN LA ESCUELA SECUNDARIA En la enseñanza de las matemáticas la calculadora básica o graficadora puede ayudar a que los estudiantes refinen sus conjeturas
Más detallesEJERCICIOS PARTE I: 1. Cómo se llamaba anteriormente a las hojas de cálculo? 2. Qué es una hoja electrónica de cálculo?
EJERCICIOS PARTE I: 1. Cómo se llamaba anteriormente a las hojas de cálculo? 2. Qué es una hoja electrónica de cálculo? 3. Cómo se identifica una casilla en una hoja de cálculo? 4. Menciona tres ejemplos
Más detalles3.1 Conflictos de Esquema
1 Colección de Tesis Digitales Universidad de las Américas Puebla Alvarez Carrión, Guillermo Para que el usuario de un MDBMS pueda accesar de manera transparente y uniforme la información almacenada en
Más detallesIntroducción a la Geometría Computacional
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 8 de enero del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Introducción a la GC 8 de enero del 2013 1 / 17 1 Introducción a la Geometría Computacional
Más detallesInstrumentos de Control de Gestión en el Presupuesto. Indicadores de Desempeño.
Instrumentos de Control de Gestión en el Presupuesto. Indicadores de Desempeño. Curso Internacional sobre Evaluación de la gestión y de programas públicos (Santiago de Chile; 1 al 12 de septiembre) Parte
Más detallesIBM Smart Analytics System 5600 ofrece potentes herramientas de análisis, que proporcionan información cuando y donde la necesite
con fecha 6 de abril de 2010 IBM Smart Analytics System 5600 ofrece potentes herramientas de análisis, que proporcionan información cuando y donde la necesite Índice 1 Visión general 2 Descripción 2 Requisitos
Más detallesCARRERA PROFESIONAL ACTIVIDADES PROFESIONALES, CIENTÍFICAS Y TÉCNICAS
CARRERAS PROFESIONALES SECTOR ECONÓMICO : FAMILIA PRODUCTIVA: ACTIVIDAD ECONÓMICA: ACTIVIDADES PROFESIONALES, CIENTÍFICAS Y TÉCNICAS SERVICIOS PRESTADOS A EMPRESAS ACTIVIDADES DE AGENCIAS DE VIAJES Y OPERADORES
Más detallesLicencia 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 detallesExperto en Microsoft Excel 2016, VBA y Business Intelligence (Online)
Experto en Microsoft Excel 2016, VBA y Business Intelligence (Online) TITULACIÓN DE FORMACIÓN CONTINUA BONIFICADA EXPEDIDA POR EL INSTITUTO EUROPEO DE ESTUDIOS EMPRESARIALES Experto en Microsoft Excel
Más detallesUnidad 2. Componentes de LibreOffice. CURSO: Introducción LibreOffice
Unidad 2 Componentes de LibreOffice CURSO: Introducción LibreOffice 1 Introducción Como hemos dicho, LibreOffice es una suite ofimática, es decir que tiene diferentes programas para dar soporte a las tareas
Más detallesInteligencia de Negocio
Inteligencia de Negocio Conceptos y tendencias actuales Autor: MSc. Anabel Montero Posada Sistemas Operacionales ERP -Ventas/Pedidos -Inventario Sistemas de gestión de relaciones con el cliente (CRM) Sitios
Más detalles