DATA WAREHOUSES. Loreto Bravo (basado en slides de Mónica Caniupán) Bases de Datos II 2011
|
|
- Óscar Belmonte Fidalgo
- hace 7 años
- Vistas:
Transcripción
1 DATA WAREHOUSES Loreto Bravo (basado en slides de Mónica Caniupán) Bases de Datos II 2011
2 ORIGEN Inicios de los 90s por observaciones de W. Inmon y E.F. Codd Los DW surgen para resolver consultas que no pueden ser manejadas por Bases de Datos Operacionales (BDO) DW OLAP (On-Line Analytical Processing) BDO OLTP (On-Line Transaction Processing)
3 TIPO DE CONSULTAS Cuáles fueron los ingresos totales para Chile en el tercer trimestre del 2008? Cuáles fueron las tres áreas más populares de cada ciudad para el arriendo de inmuebles el 2008? Cúal es el ingreso mensual por venta de inmuebles en cada sucursal, comparado con el promedio de los 12 meses anteriores? Consultas hipotéticas Que sucederia si... Analísis de escenarios alternativos, exploratorios, etc.
4 ARCHITECTURE OLTP OLAP OLTP Applications GUI, Spreadsheets DB1 DB2 Data Warehouse DB3
5 DATA WAREHOUSE Un data warehouse es un repositorio de datos: Orientado a temas (no aplicaciones) Integrado No volátil Variante en el tiempo Apoya la toma de decisiones de una organización (Inmon, Building the Data Warehouse, 1992 )
6 DATA WAREHOUSE BDO: orientadas a las aplicaciones Eg. Para una empresa aseguradora: Aplicaciones para vehículos, salud, vida, etc. DW: orientado a materias del negocio Para la misma aseguradora los temas son: Clientes, políticas, polizas, etc.
7 BD OPERACIONALES VS DATA WAREHOUSES BD Operacionales Orientadas a tareas básicas y repetitivas de operación Transacciones aisladas, pequeñas Datos detallados Datos actuales Soporta muchos updates MB o GB de datos Muchos usuarios Data Warehouses Orientadas a la toma de decisiones Transacciones complejas con grandes cantidades de datos Datos resumidos, consolidados Datos históricos Los updates no son usuales GB o TB de datos Cientos de usuarios (analistas, expertos, etc.)
8 ARQUITECTURA Fuentes de Información Fuentes Externas Data Warehouse Servidores OLAP Análisis BD Operacionales Herramientas para extracción, limpieza, carga, integración, etc. Asiste Herramientas OLAP para Consultas/Reportes Data Marts Subsets of the DWs that focus on specific topics
9 CARGA DEL DW ETL: Extract, transform and Load Existen herramientas para limpiar datos i.e., detectar anomalias en las fuentes de datos y corregirlas violación de restricciones de integridad, descripciones inconsistentes, asignaciones de valores inconsistentes, pérdida de datos, etc. Las herramientas de carga del DW deben realizar un preprocesamiento de los datos antes de realizar la carga del DW
10 PRODUCTOS
11 PRODUCTOS Dic 2012: Amazon anuncia servicio de DWs en la nube
12 DATOS MANEJADOS POR DWS TERADATA 2008: Teradata creó el Club de Petabyte Power Players : ebay: 5 petabytes. El 2010 ya había aumentado a 10 petabytes y se proyectaba que el 2011 aumentaría a 20 petabytes Walmart: 2.5 petabytes Bank of America: 1.5 petabytes. Una compañia de servicios financieros: 1.4 petabytes. Dell: 1 petabyte 2012: el club ya tiene más de 25 miembros incluyendo (además de los anteriores) a: AT&T, Verizon y Apple.
13 DATOS MANEJADOS POR DWS TEOCO, una empresa que da servicios de analysis de datos para empresas de telecomunicaciones informó el 2008: Maneja, para una empresa de telecomunicaciones, un DWs de >200 TB en un DWs DATAllegro En total maneja alrededor de 450 TB de DATAllegro databases Vertica DWs (2009) Cliente de telecomunicaciones con 3 DWs de telco 200 TB, 40 TB y 12 TB. Cliente de inversiones con >200 petabytes
14 CUANTO ES UN PETABYTE?
15 MODELO DE DATOS MULTIDIMENSIONAL
16 DISEÑO DEL DW Un DW esta compuesto de dimensiones y hechos Hechos: cantidades numéricas, objetos de análisis, e.g. total de ventas, etc. Dimensiones : otorgan contexto a las cantidades numéricas, e.g. las dimensiones asociadas con una venta pueden ser el producto, lugar geográfico y el tiempo Los DW se modelan usando un modelo de datos multidimensional
17 MODELO DE DATOS MULTIDIMENSIONAL Las dimensiones tiene atributos que están organizados en jerarquías Esta jerarquía ofrece una forma de navegación Producto Localización Tiempo Industria País Año Categoría Región Semestre Producto Ciudad Mes Semana Día
18 MODELO DE DATOS MULTIDIMENSIONAL Los hechos puden verse como puntos en un espacio multidimensional determinado por las dimensiones
19 MODELO DE DATOS MULTIDIMENSIONAL Ejemplo Article DW: (a) Dimensión Article (b) Instancia (c) Tabla de hechos
20 EXAMPLE OF COMPLEX DATE DIMENSION All Fiscal Year Fiscal Quarter Calendar Year Fiscal Month Calendar month Day of Week Type of Day Fiscal Week Calendar Month Calendar Week Holiday Date
21 Attribute Name Attribute Description Sample Values Day The specific day that an activity took 06/04/1998; 06/05/1998 place. Day of Week The specific name of the day. Monday; Tuesday Holiday Identifies that this day is a holiday. Easter; Thanksgiving Type of Day Indicates whether or not this day is a weekday or a weekend day. Weekend; Weekday Calendar Week The week ending date, always a Saturday. Note that WE denotes WE 06/06/1998; WE 06/13/1998 Calendar Month The calendar month. January,1998; February, 1998 Calendar Quarter The calendar quarter. 1998Q1; 1998Q4 Calendar Year The calendar year Fiscal Week The week that represents the corporate calendar. Note that the F F Week ; F Week Fiscal Month The fiscal period comprised of 4 or 5 F January, 1998; weeks. Note that the F in the data F February, 1998 Fiscal Quarter The grouping of 3 fiscal months. F 1998Q1; F1998Q2 Fiscal Year The grouping of 52 fiscal weeks / 12 F 1998; F 1999 fiscal months that comprise the financial year.
22 ESQUEMA DE DIMENSIÓN Un esquema de dimensión S=(C, ) : C : un conjunto de categorías : relación hijo/padre entre las categorías Categoría superior (siempre presente) Categoría inferior o base * es la clausura transitiva y reflexiva de
23 ESQUEMA DE DIMENSIÓN C = {All, Area, Subject, ISSN, Journal, Article} = {(Article, Journal), (Journal, Subject), (Journal, ISSN), (Subject, Area), (ISSN, Area), (Area, All)} * = {(Article, Article), (Article, Area),...}
24 INSTANCIA DE DIMENSIÓN Un instancia de dimensión D=(M,<) : M : contiene los elementos de las categorías <: relación hijo/padre entre elementos categorías M={All(all), Area(CS), Area(Bio), ISSN(0362), } < = {(CS,all), (DB,CS), (TODS,0362), } <* = < {(A1,A1), (A1,CS), (TODS, CS),...} <* es la clausura transitiva y reflexiva de <
25 TIPOS DE DIMENSIONES Una instancia de dimensión es homogenea si todo elemento tiene un ancestro en su categoria padre (definido por el esquema) De otra forma, la instancia de dimensión es heterogenea
26 PROCESAMIENTO DE CONSULTAS Q: encontrar el número total de downloads por área Roll-up entre categoría Article y Area Respuesta: <CS,8> <Bio,7>
27 USANDO RESPUESTAS PRE-COMPUTADAS Qué pasaría si tuvieramos computadas respuestas para Subject o ISSN? D Podríamos mejorar la eficiencia!!!
28 USANDO RESPUESTAS PRE-COMPUTADAS Si usamos DownloadsSubject: D Respuesta: <CS,8> <Bio,7> Si usamos resultados para ISSN obtenemos las mismas respuestas
29 SUMARIZABILIDAD Una instancia de dimensión es sumarizable si respuestas pre-computadas pueden ser usadas para responder consultas de manera correcta Una instancia es sumarizable si: Las consultas usan funciones de agregación distributivas tales como: MAX, MIN, SUM y COUNT Es homogénea Es estricta
30 DIMENSIONES ESTRICTAS Cada elemento debe tener un único ancestro en cada categoría D D
31 CONSEQUENCIAS DE DIMENSION NO ESTRICTAS Q: encontrar el número total de downloads por área D
32 CONSEQUENCIAS DE DIMENSION NO ESTRICTAS Si usamos DownloadsSubject: Respuestas: <CS,8> <Bio,7> <CS,15> Ambas respuestas son incorrectas D
33 DIMENSIONES ESTRICTAS Esta propiedad asegura que las relaciones roll-up sean funcionales También es crucial para la eficiencia de los DW Permite usar respuestas pre-computadas Esta propiedad debiera ser verificada: Cuando se cargan datos Cada vez que la instancia de dimensión se actualiza
34 OPERACIONES/CONSULTAS EN DATA WAREHOUSES
35 OPERACIONES OLAP Roll-up: generalización y agregación Drill-down: desagregación y especialización
36 OPERACIONES OLAP Roll-up: generalización y agregación Drill-down: desagregación y especialización
37 roll up
38 roll up
39 drilling down
40 OPERACIONES OLAP: SLICING Y DICING También podemos hacer cortes en los cubos y formar nuevos cubos a partir de ellos slicing dicing
41 Slicing con Year=2006
42 LENGUAJES DE CONSULTA No hay standard: MDX (Multidimensional Expression Language) de Microsoft s OLE DB for OLAP API and OLAP Services. MaxL (Multidimensional Access Language) de Hyperion s Essbase MDSQL (Multidimensional Query Language)
43 LENGUAJES DE CONSULTA Ejemplo de MDX: SELECT { [Measures].[Sales Amount], [Measures].[Tax Amount] } ON 0, { [Date].[Fiscal].[Fiscal Year].&[2002], [Date].[Fiscal].[Fiscal Year].&[2003] } ON 1 FROM [Adventure Works] WHERE ( [Sales Territory].[Southwest] )
44
45 EJEMPLO EN LÍNEA DE LA UDEC Ver DWs de la Dirección de Estudios Estratégicos de la UdeC para generación de indicadores y apoyo en proceso de acreditación
46 IMPLEMENTACIÓN DE DATA WAREHOUSES
47 ARQUITECTURA DEL SISTEMA DE APOYO PARA TOMA DE DECISIONES Fuentes de Información Fuentes Externas Data Warehouse Servidores OLAP Análisis BD Operacionales Herramientas para extracción, limpieza, carga, integración, etc. Asiste Herramientas OLAP para Consultas/Reportes Data Marts Subsets of the DWs that focus on specific topics
48 SERVIDORES OLAP OLAP relacional (ROLAP) Base de datos relacional especializada para almacenar y manejar los datos almacenados Extendidad de tal forma de mapear operaciones sobre datos multidimensionales a operaciones relacionales estandar. OLAP multidimensional (MOLAP): Servidor especialmente desarrollado para almacenar y consultar datos multidimensionales Utiliza estructuras de datos basadas en arreglos OLAP hibrido (HOLAP) Los datos detallados se almacenan en una BD relacional Almacena datos agregados en forma multidimensional Se accede a los datos a través de herramientas MOLAP
49 TABLAS VS CUBO (EJEMPLO SIMPLE) Tabla relacional Datos organizados como filas Tabla de Ventas Product Region Sales $ Donut East 1 Donut West 2 Milk East 3 Milk West 4 Transformado en un Cubo Datos organizados en intersecciones East West Total Donut Milk Total Dim. Producto Dimensión de Region
50 ROLAP Datos en tablas relacionales Uso de esquemas relacionales especiales: Esquema estrella (star) Esquema copo de nieve (snowflakes) Cubos virtuales Las operaciones sobre cubos son transformadas a operaciones relacionales (SQL!) Es el enfoque más común en la práctica
51 ROLAP: ESQUEMA ESTRELLA
52 ROLAP: ESQUEMA ESTRELLA Es un esquema relacional para representar DW donde: Existe una única tabla por cada dimensión Una tabla de hechos (para los datos numéricos) No es posible representar las jerarquías de las dimensiones
53 ROLAP: ESQUEMA ESTRELLA
54 ROLAP: ESQUEMA ESTRELLA
55 ROLAP: ESQUEMA ESTRELLA El esquema no esta normalizado! Para volumenes de datos pequeños o medianos, estos esquemas tienen un buen comportamiento ya que solo es necesario hacer joins entre la tabla de hecho y las dimensiones
56 ROLAP: ESQUEMA COPO DE NIEVE (SNOWFLAKE)
57 ROLAP: ESQUEMA COPO DE NIEVE (SNOWFLAKE) También es un esquema relacional para representar DW En este esquema las dimensiones se representan por un conjunto de tablas normalizadas por nivel de la jerarquía Incluso ya pueden contener datos agregados
58 ROLAP: ESQUEMA COPO DE NIEVE
59 ROLAP: ESQUEMA COPO DE NIEVE (SNOWFLAKE) La dimensión normalizada para Mes y Año con la tabla de hechos Sales
60 ROLAP Implementa el complejo modelo multi-dimensional con un modelo relacional simple Permite que el DWs evolucione con relativamente poca mantención Puede contenter tanto datos detallados como resumidos ROLAP se basa en tecnologías conocidas y que ya han sido demostradas de ser útiles en la industria PERO: Es necesario usar SQL para hacer cálculos multidimensionales
61 PRODUCTOS ROLAP Productos comerciales: Microsoft Analysis Services, MicroStrategy Oracle BI (the former Siebel Analytics) También hay un servidor ROLAP open source: Mondrian.
62 MOLAP Trabaja directamente con cubos multidimensionales Desafío: nuevas operaciones, estructuras de almacenamiento, métodos de acceso, índices multidimensionales, etc. Implementación basada en estructuras de datos basadas en arreglos Enfoque con más investigación
63 CUBO DE DATOS Product NY SF LA Juice 10 Milk 34 Coke 56 Cream 32 Soap 12 Bread 56 M T W Th F S S roll-up to region roll-up to brand roll-up to week Dimensions: Time, Product, Geography Attributes: Product (upc, price, ) Geography Hierarchies: Product Brand Day Week Quarter City Region Country Time 56 units of bread sold in LA on M
64 INSTANCIA MULTIDIMENSIONAL Corte para un valor específico de la dimensión Tiempo
65 DATOS DERIVADOS Los datos derivados forman parte de los cubos de datos y son obtenidos aplicando funciones de agregación: SUM, MAX, MIN, AVG, COUNT Estos datos se materializan Permiten eficiencia en el procesamiento de consultas
66 MOLAP Almacenamiento de datos precalculados permite mejorar la velocidad de respuesta El diseño solo requirere definir las dimensiones y los hechos a almacenar. No es necesario diseñar un esquema de BD (como star o snowflake) PERO: MOLAP DWs aumentan el costo en tiempo de procesado y en el tamaño de lo almacenado. Una entrada de 200MB puede expandirse a 5GB en el DWs MOLAP DWs son excelentes para los data marts (<50GB)
67 PRODUCTOS MOLAP Oracle OLAP, Microsoft Analysis Services, Essbase, Infor OLAP y TM1 Applix TM1, Pilot, Arbor Essbase, Gentia También existe un servidor MOLAP de código abierto llamado PALO. También se utiliza en Microsoft SQL server en la mayoría de sus versiones.
68 ROLAP VS MOLAP Los sistemas con altos cambios a los datos, requieren una arquitectura que pueda actualizarse eficientemente. Los sistemas ROLAP soportan bien esta consolidación dinámica Los MOLAP están más orientados hacia consolidaciones batch. Los ROLAP pueden crecer hasta un gran número de dimensiones, mientras que los MOLAP generalmente son adecuados para diez o menos dimensiones. Los ROLAP soportan análisis OLAP contra grandes volúmenes de datos elementales, mientras que los MOLAP se comportan razonablemente en volúmenes más reducidos Por ello, y resumiendo, el ROLAP es una arquitectura flexible y general, que crece para dar soporte a amplios requerimientos OLAP. El MOLAP es una solución particular, adecuada para soluciones departamentales con unos volúmenes de información y número de dimensiones más modestos pero que dan respuestas mucho más rápidas en estos casos
69 HYBRID OLAP (HOLAP) HOLAP = Hybrid OLAP: Toma lo mejor de los dos mundos Alamacena datos detallados en una base de datos relacional Almacena datos agregados en un servidor MOLAP
70 FLUJO DE DATOS EN HOLAP RDBMS Server MDBMS Server Client Meta data Derived data SQL-Read SQL-Reach Through Multidimensional data Multidimensional access Multidimensional Viewer Relational Viewer SQL-Read
71 CÓMO ELEGIR CUAL USAR? Todos los tipos de implementación tienen ventajas y desventajas Algunas guías generales son: En general para DWs pequeños (o data marts) es mejor MOLAP por sus rápidas respuestas. Lo que significa pequeño va a variar a lo largo del tiempo! Para DWs grandes con datos detallados o con largas consultas es mejor utilizar ROLAP Si se quieren datos agregados y detallados es mejor HOLAP Sin embargo es necesario analizar cada caso en particular y considerar otras variables como: Tipos de acceso autorizados (lectura/escritura de datos) Tipo disponible para implementación Tipos de usuarios
La 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 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 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 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 detallesDefinición. Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4
Definición Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4 Definición (cont.) Un Data Warehouse es una colección de
Más 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 detallesDirección General de Estudios de Postgrado Área de Ingeniería Programa: Maestría Sistemas de Información
Dirección General de Estudios de Postgrado Área de Ingeniería Programa: Maestría Sistemas de Información Caracas, Abril 2016 Integrantes: Areiza, Elvis Pérez, Dalila Rivas, Juan Puntos a tratar: 1.- Almacén
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 detallesProcesamiento Analítico en Línea IBARRA MARIA DE LOS ANGELES
IBM DB2 OLAP SERVER Procesamiento Analítico en Línea IBARRA MARIA DE LOS ANGELES 2006 Índice Introducción Data warehouse Data mart Sistemas OLTP Sistemas OLAP Operaciones analíticas básicas Vista de datos
Más detallesProcesamiento analítico en línea (OLAP) B.1 Qué es el procesamiento analítico en línea?
Apéndice B Procesamiento analítico en línea (OLAP) B.1 Qué es el procesamiento analítico en línea? En un almacén de datos, a diferencia de un OLTP, se realizan operaciones de procesamiento analítico en
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 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 detallesResumen Inteligencia de Negocios
Resumen Inteligencia de Negocios La inteligencia de Negocios es una tendencia dentro de la Tecnología de Información, recordemos que la Tecnología de Información ayuda a hacer eficientes muchos de los
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 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 detallesDESARROLLO APLICACIONES BUSINESS INTELLIGENCE CON MS SQL SERVER Big Data
DESARROLLO APLICACIONES BUSINESS INTELLIGENCE CON MS SQL SERVER 2016 + Big Data DESCRIPCIÓN Este curso está orientado a brindar a los alumnos los fundamentos necesarios en el campo del Business Intelligence
Más detallesTemario. XI Encuentro Danysoft en Microsoft Crear modelos analíticos con herramientas Microsoft BI. XI Encuentro Danysoft Sala SQL
SQL SQL Server 2012 Office 2013 XI Encuentro Danysoft en Microsoft Crear modelos analíticos con herramientas Microsoft BI Ana María Bisbé York a.bisbe@danysoft.com 916 638683 info@danysoft.com www.danysoft.com
Más detallesPROGRAMA ACADÉMICO DE TECNOLOGÍAS DE LA INFORMACIÓN. Actividad Cuestionario Business Intelligence
DEXCELENCIA UNIVERSITARIA, FORTALEZA E MEXICO I Z U C A R D E M ATA M O R O S PROGRAMA ACADÉMICO DE TECNOLOGÍAS DE LA INFORMACIÓN Actividad Cuestionario Business Intelligence como requerimiento parcial
Más detallesGrandes de Bases de Datos. Almacenes de Datos (DW) e Inteligencia de negocios IN (BI)
Grandes de Bases de Datos Almacenes de Datos (DW) e Inteligencia de negocios IN (BI) Qué es Inteligencia de Negocios? Las TI permiten la toma de decisiones basadas en procesos de análisis sobre datos simples
Más detallesPrimeros pasos en modelos Multidimensionales
#SQLSatMexCity Bienvenidos!!! Primeros pasos en modelos Multidimensionales Marco Tulio Gómez mgomez@solcomp.com MSc. Tecnologías de la Información MCITP Business Intelligence Developer MCTS Business Intelligence
Más detallesSeminario: Modelamiento de Datos Modelos Multidimensionales. Diseño Dimensional. Construyendo una solución de BI paso a paso con SQL Server 2005
Seminario: Construyendo una solución de BI paso a paso con SQL Server 2005 Modelamiento de Datos Modelos Multidimensionales Ing. José Mariano Alvarez jose.mariano.alvarez@sqltotalconsulting.com Retos del
Más detallesInteligencia de Negocios. Modelado Multidimensional Lógico
Modelado Multidimensional Lógico Esquema de la clase 1. Modelado multidimensional lógico Qué es? 2. Modelo estrella, copo de nieve y mixto 3. Construcción del DW Subjetivo - Estructura del Modelo de datos
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR TEMA: AUTOR: DIRECTOR:
PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE SISTEMAS TEMA: PRINCIPIOS Y TÉCNICAS PRÁCTICAS PARA LA IMPLEMENTACIÓN DE UN PROTOTIPO DE DATA WAREHOUSE EN SQL SERVER 2000
Más detallestanto, no pueden navegar por dicho modelo en busca de información.
Modelado de Datos Para comprender uno de los aspectos más relevantes de la arquitectura del Data Warehouse, como es el modelado de datos, es necesario establecer primero las diferencias sustanciales entre
Más detallesINTRODUCCIÓN MDX MDX. Jortilles.com
INTRODUCCIÓN MDX MDX info@jortilles.com Índice de contenido 1.Descripción... 2.Sintaxis....Conceptos básicos...4 4.Funciones... 4 5.Miembros calculados...5 6.Caso de uso: Creación de consultas MDX...5
Más detallesUNIVERSIDAD NACIONAL DEL CALLAO
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS INSTITUTO DE INVESTIGACIÓN DE LA FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS INFORME FINAL DEL PROYECTO DE INVESTIGACIÓN
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 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 detallesPROGRAMA ACADÉMICO DE TECNOLOGÍAS DE LA INFORMACIÓN. Actividad Cuestionario de BI. como requerimiento parcial para acreditar la asignatura de
DEXCELENCIA UNIVERSITARIA, FORTALEZA E MEXICO I Z U C A R D E M ATA M O R O S PROGRAMA ACADÉMICO DE TECNOLOGÍAS DE LA INFORMACIÓN Actividad Cuestionario de BI como requerimiento parcial para acreditar
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 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 detallesSistemas de ayuda a la toma de decisión
Sistemas de ayuda a la toma de decisión Introducción Información es todo lo que reduce la incertidumbre sobre algún aspecto de la realidad y, por lo tanto, permite tomar mejores decisiones. Los requerimientos
Más detallesSistemas de Información Gerencial
Sistemas de Información Gerencial Tema 5: Inteligencia de Negocios y Data Warehouse Ing. Francisco Rodríguez Novoa 1 INDICE Inteligencia de Negocios OLTP y OLAP Data Warehouse. Procesos Diseño de Data
Más detallesUMET : UNIVERSIDAD METROPOLITANA
UMET : UNIVERSIDAD METROPOLITANA TRABAJO DE BASE DE DATOSA II TEMA : COMPARACION DE HARREMIENTAS OLAP PRESENTADO POR JAIME CRUZ N. MAYO 15 DE 2011 LINK : Contenido Pag: 1 Para poder determinar las diferencias
Más detallesSQL 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 detallesCREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER (40 HORAS)
CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER (40 HORAS) MODALIDAD: ONLINE CONTACTO: campus@formagesting.com / +34 722 164 372 OBJETIVOS DEL CURSO OBJETIVOS ESPECÍFICOS Conocer los conceptos
Más detallesFACULTAD DE INGENIERÍA. Bases de Datos Avanzadas
FACULTAD DE INGENIERÍA Ingeniería en Computación Bases de Datos Avanzadas Datawarehouse Elaborado por: MARÍA DE LOURDES RIVAS ARZALUZ Septiembre 2015 Propósito Actualmente las empresas necesitan contar
Más detallesBodegas de Datos y OLAP. Introducción a la Bodegas de Datos
Bodegas de Datos y OLAP Introducción a la Bodegas de Datos Contenido SI-Definición y Clasificación MIS Vs DSS DSS-Definición y Características DW-Definición, Elementos, Características, Arquitectura, OLTP
Más detallesInteligencia de Negocios
Inteligencia de Negocios Seminario de Redes Inteligentes Oscar Duarte Abril 15 del 2011 Agenda Base de datos relacionales Bodegas de datos Minería de datos Bases de datos relacionales Bases de datos relacionales
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 detallesMódulo Minería de Datos
Módulo Minería de Datos Diplomado Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Análsis Dimensional OLAP On-Line Analytical Processing Estructura del Proceso
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 detallesFundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 5 -
Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 5 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Data Warehouse Modelo multidimensional Diagrama
Más detallesDiseño y Construcción de Data Warehouse. Instituto de Computación - Facultad de Ingeniería Mayo Diseño Lógico
Diseño y Construcción de Data Warehouse Instituto de Computación - Facultad de Ingeniería Mayo 2017 Diseño Lógico 2 Temario: Diseño Lógico Introducción. Formas de almacenamiento Estrategia a partir de
Más detallesBases de datos Masivas Introducción a Data Warehouse Proceso de ETL. Banchero, Santiago
Bases de datos Masivas Introducción a Data Warehouse Proceso de ETL Banchero, Santiago Agosto de 2016 Introducción a Data Warehouse Qué es un Data Warehouse? + Definido de muchas maneras diferentes, pero
Más detallesOLAP 2 OLAP 1 OLAP 4 OLAP 3 OLAP 5 OLAP 6
OLAP EXPLOTACIÓN UN DW: EXPLOTACIÓN UN DW:... OLAP 1 OLAP 2 EXPLOTACIÓN UN DW: MOLO UN AMBIENTE OLAP EXPLOTACIÓN UN DW: LAS HERRAMIENTAS OLAP PRESENTAN AL USUARIO UNA VISIÓN MULTIDIMENSIONAL LOS DATOS
Más detallesCuadrante Mágico de Gartner para BI 2013 vs. 2014
Cuadrante Mágico de Gartner para BI 2013 vs. 2014 Challengers Leaders Challengers Leaders Niche Players Visionaries Niche Players Visionaries Cuadrante Mágico de Gartner SGBD y Sistemas de Data WareHouse
Más detallesSoluciones OLAP con Microsoft Analysis Services
Soluciones OLAP con Microsoft Analysis Services 5to Congreso de Informática, Universidad Mariano Gálvez, Zacapa Marco Tulio Gómez Reyes mgomez@solcomp.com MSc. Tecnologías de la Información MCITP Business
Más detalles20767A Implementing a SQL Data Warehouse
20767A Implementing a SQL Data Warehouse Duración: 40 Horas Examen Asociado: Examen 70-767 Descripción del Curso: Este instructor de 5 días condujo curso describe cómo implementar una plataforma de almacenamiento
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 detallesTeoría de Base de Datos Ing. José J. Reyes. Definiciones
Definiciones 1 Base de Datos: Las Bases de Datos son el núcleo del sistema de información de cualquier empresa. La administración y gestión de las mismas constituye, por tanto, un trabajo muy importante
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 detallesDIPLOMADO EN MICROSOFT SQL SERVER 2008
DIPLOMADO EN MICROSOFT SQL SERVER 2008 El departamento de TI de las empresas se está sometiendo a una transformación integral. Está preparado? Aproveche la mejor oportunidad para capacitarse, ampliar sus
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 detallesMSc. Francisco García
REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA BOLIVARIANA UNEFA NÚCLEO MIRANDA SEDE LOS TEQUES MSc. Francisco
Más detalles2796 Designing an Analysis Solution Architecture Using Microsoft SQL Server 2005 Analysis Services
2796 Designing an Analysis Solution Architecture Using Microsoft SQL Server 2005 Analysis Services Introducción El propósito de este curso de tres días impartido por instructor es de enseñar profesionales
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 detallesDatawarehouse. Ing. Adan Jaimes Jaimes. Datawarehouse
1 Ing. Adan Jaimes Jaimes 2 Conceptos : Repositorio completo de datos, donde se almacenan datos estratégicos, tácticos y operativos, al objeto de obtener información estratégica y táctica Data-Marts: Repositorio
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 detallesInteligencia de Negocios Experiencia Banco Central de Nicaragua. Oriel Soto Jefe División Tecnología de Información
Inteligencia de Negocios Experiencia Banco Central de Nicaragua Oriel Soto Jefe División Tecnología de Información Justificación Tenemos grandes volúmenes de información pero de difícil acceso 2 Justificación
Más detallesTEMA 36: Herramientas de análisis de la información. OLTP y OLAP. Sistemas EIS y DSS. Data WareHouse. DataMining.
Tema 36: Herramientas de análisis de la información. TEMA 36: Herramientas de análisis de la información. OLTP y OLAP. Sistemas EIS y DSS. Data WareHouse. DataMining. Índice 1 INTRODUCCIÓN 1 2 HERRAMIENTAS
Más detallesCapítulo 3. Data Warehouse
Capítulo 3. Data Warehouse Un Data Warehouse (DW) es la colección de datos, organizados, integrados, historiados y disponibles para facilitar la toma de decisiones de usuarios finales [9]. Desde el punto
Más detallesEsquema de la presentación
D"#" W"&'()*+' Esquema de la presentación Parte I Una reflexión Parte II Cómo se implementa? Parte III Un ejemplo práctico Parte I Una reflexión Data Warehouse (Almacén de datos) Business Intelligence
Más detallesAlmacén 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 detallesFundamentos 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 detallesProf. Dr. Jaime Solano Soto C102-1
1. GESTIÓN RECURSOS DE DATOS ADMINISTRACIÓN RECURSOS DE DATOS Prof. Dr. Jaime Solano Soto TEC de Costa Rica Por qué estudiar gestión de recursos de datos? Los negocios empresariales de hoy no pueden sobrevivir
Más detallesFUNDAMENTOS DE INTELIGENCIA DE NEGOCIOS
FUNDAMENTOS DE INTELIGENCIA DE NEGOCIOS Estructura de contenidos INTRODUCCIÓN... 3 1. INTELIGENCIA DE NEGOCIOS... 3 1.1. La implementación de un esquema de BI permite:... 4 1.2. Selección de Indicadores:...
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL
SISTEMAS DE BASES DE DATOS I UNIDAD ACADÉMICA: CARRERA: ESPECIALIZACIÓN: ÁREA: Facultad de Ingeniería en Electricidad y Computación Ingeniería en Computación e Ingeniería en Telemática Sistemas Tecnológicos,
Más detallesBusiness 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 detallesADMINISTRACIÓN DE BASES DE DATOS CORPORATIVAS
SECRETARÍA ACADÉMICA Dirección de Desarrollo Curricular ADMINISTRACIÓN DE BASES DE DATOS CORPORATIVAS Unidad de Enseñanza Aprendizaje y Secuencia Didáctica PROGRAMA EDUCATIVO: MODALIDAD: MODELO DE FORMACIÓN:
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 detallesCapítulo 2 Tecnología data warehouse
Capítulo 2 Tecnología data warehouse El objetivo de éste capítulo es mostrar la tecnología data warehouse (DW) como una herramienta para analizar la información. Este capítulo se encuentra organizado de
Más detallesFundamentos 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 detallesOverview of Data Warehousing / Business Intelligence with SQL Server
Overview of Data Warehousing / Business Intelligence with SQL Server 23/10/2012 Contact Pablo Resnizky Engineering Manager +541.5533.8300 x1030 pablo.resnizky@globallogic.com GlobalLogic, Inc. www.globallogic.com
Más detallesIWG-101: Introducción a la Ingeniería. Departamento de Informática, UTFSM 1
IWG-101: Introducción a la Ingeniería Departamento de Informática, UTFSM 1 Gestión de Bases de Datos Gestión de Bases de Datos Base de datos una colección de datos relacionados organizados de manera de
Más 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 detallesBases de Datos Masivas
Bases de Datos Masivas Data Warehouse Bases de Datos Multidimensionales Banchero, Santiago Septiembre 2015 Concepto de DW. Definición según W. H. Inmon: A data warehouse is a subject-oriented, integrated,
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 detallesEsteban Zapata Ing. Jenny León Base de Datos Distribuida
Esteban Zapata Ing. Jenny León Base de Datos Distribuida En los últimos años, el software de las BD ha experimentado un auge extraordinario a raíz de la informatización de casi la totalidad de las empresas
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 detallesSSAS multidimensional mejores prácticas
SSAS multidimensional mejores prácticas Ahias Portillo MVP, MCITP en Sql Server Moderador: Freddy Angarita Gracias a nuestros auspiciadores Database Security as Easy as A-B-C http://www.greensql.com Hardcore
Más detallesLa 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 detallesConceptos de Inteligencia Empresarial
Conceptos de Inteligencia Empresarial Business Intelligence Se denomina inteligencia empresarial, inteligencia de negocios o BI (del inglés business intelligence), al conjunto de estrategias, aplicaciones,
Más detallesMOLAP REALIZADO POR: JOSE E. TABOADA RENNA
MOLAP REALIZADO POR: JOSE E. TABOADA RENNA BASE DE DATOS Conjunto de datos estructurados, fiables y homogéneos organizados independientemente en máquina, m accesibles en tiempo real, compatible por usuarios
Más detallesRaúl Saráchaga. Explorando los sabores de Azure Data Warehouse
Raúl Saráchaga Explorando los sabores de Azure Data Warehouse BIG Thanks to SQLSatLima sponsors Sponsor sessions at 16:50 Don t miss them, they might be getting distributing some awesome prizes! KEMP ER
Más detallesGUIA DE CURSO: ELABORADO POR: ING. LUIS TAMAYO PARA: FECHA DE PRESENTACIÓN: INTELIGENCIA DE NEGOCIOS CON PENTAHO- Versión 1.0.
GUIA DE CURSO: INTELIGENCIA DE NEGOCIOS CON PENTAHO- MDX Versión 1.0 ELABORADO POR: ING. LUIS TAMAYO www.relative-engine.com PARA: CEC - EPN FECHA DE PRESENTACIÓN: Quito, 17 de Junio del 2013 CONTENIDO
Más detallesPlan Ciclo Formativo Tipo Curso Duración. Máster Universitario Oficial. Apoyo a la docencia
GUÍA DOCENTE CURSO: 2017-18 DATOS BÁSICOS DE LA ASIGNATURA Asignatura: Almacenes de Datos Código de asignatura: 40154310 Plan: Grado en Ingeniería Informática (Plan 2015) Año académico: 2017-18 Ciclo formativo:
Más detallesContenido XIII. Capítulo 1. Capítulo 2. Alfaomega. Bases de datos - Reinosa, Maldonado, Muñoz, Damiano, Abrutsky
XIII Contenido Capítulo 1 Estructura y tipos de bases de datos...1 1.1 Introducción... 2 1.2 Definición de base de datos... 3 1.3 Sistema de Gestión de Bases de Datos... 4 1.4 Usuarios de la base de datos...
Más detallesInteligencia de Negocios. Cecilia Ruz
Inteligencia de Negocios Cecilia Ruz Inteligencia de Negocios Business Intelligence (BI) Es un paraguas bajo el que se incluye un conjunto de conceptos y metodologías cuya misión consiste en mejorar el
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 detallesUNIDAD I. Universidad del Zulia Costa Oriental del Lago. Conceptos Básicos
Costa Oriental del Lago UNIDAD I Conceptos Básicos Comandos internos y externos. Estructura básicas: entidad, atributo, base de datos, clave primaria y secundaria, registro y archivo de datos empresas
Más detallesCAPÍTULO 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 detallesIntroducción al Data Warehousing
Introducción al Data Warehousing Universidad Tecnológica Metropolitana Facultad de Ingeniería Dpto. de Informática y Computación SZC Indice de contenidos INTRODUCCION CONCEPTOS BÁSICOS CONSTRUCCIÓN DE
Más detallesCurso Superior. Curso Superior en Desarrollo de BBDD para Big Data y Gestión de un Datawarehouse
Curso Superior Curso Superior en Desarrollo de BBDD para Big Data y Gestión de un Datawarehouse Índice Curso Superior en Desarrollo de BBDD para Big Data y Gestión de un Datawarehouse 1. Sobre Inesem 2.
Más detallesImplementing a SQL Data Warehouse
Implementing a SQL Data Warehouse DESCRIPCION MODULOS DE CAPACITACION Módulo 1: Introducción al almacenamiento de datos Este módulo describe los conceptos del almacén de datos y la consideración de la
Más detallesSoporte a la toma de decisión en el Área de Análisis & Mejoramiento Mina, utilizando Data Mart, en la Mina Spence, Bhp Billiton.
UNIVERSIDAD DEL BIO-BIO FACULTAD DE CIENCIAS EMPRESARIALES DEPARTAMENTO DE SISTEMAS DE INFORMACIÓN Enero de 2014 Concepción Chile Soporte a la toma de decisión en el Área de Análisis & Mejoramiento Mina,
Más detalles