Sistemas de Información

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

Download "Sistemas de Información"

Transcripción

1 Sistemas de Información Félix Gómez Mármol 5 o Ingeniería Informática Curso Profesor: José Samos Jiménez bdf/jsamos/ii/si/ Departamento de Lenguajes y Sistemas Informáticos

2 2

3 Índice general Índice general 3 Índice de figuras 5 2. El Modelo de Datos Multidimensional Fundamentos del modelo de datos multidimensional: Un modelo para consulta Principios de los sistemas operacionales o transaccionales Principios de los sistemas multidimensionales Funcionamiento de los sistemas multidimensionales El modelo de datos multidimensional a Nivel Conceptual Implementación de los sistemas multidimensionales: Nivel Lógico Diseño multidimensional Pasos para realizar un diseño multidimensional a nivel conceptual Pasos para realizar un diseño multidimensional a nivel lógico Caso de diseño según fotografía periódica Otros casos de diseño Diseño de sistemas OLTP vs OLAP Procesamiento de consultas y optimización Patrón de consulta y técnicas de indexación Partición de la tabla de hechos Definición de agregados La Fábrica de Información Corporativa Arquitectura del sistema de información: la FIC Arquitectura según Kimball Arquitectura según Inmon Construcción de la FIC ETL. Extracción, Transformación y Carga Desarrollo de ETL Estructura de los proyectos de desarrollo de la FIC Nuevos perfiles para el desarrollo de proyectos FIC Bibliografía 37 3

4 4 ÍNDICE GENERAL

5 Índice de figuras 2.1. Descripción de una organización Diagrama Entidad/Relación Diagrama relacional resultado de normalizar el diagrama de la figura Informe de ventas entre septiembre de 2004 y septiembre de Hechos con mediciones y dimensiones Ejemplo del diagrama multidimensional de una venta Ejemplo simplificado del diagrama multidimensional de una venta Representación de un dato en el espacio Representación en el espacio de todos los datos Roll-up en la dimensión producto Operación slice Sistemas OLTP Ejemplo de hecho con mediciones y dimensiones con descriptores Estructura de la descomposición de una dimensión por niveles Ejemplos de descomposición de una dimensión por niveles Diseño a nivel conceptual del modelo de datos multidimensional Implementación en Estrella Implementación en Copo de Nieve Dimensiones sin desdoblar Dimensiones de la figura 2.19 desdobladas Saldo de una cuenta de ahorros Diseño a nivel lógico Enfoque 1: Transacciones de almacén Enfoque 2: Fotografía periódica de almacén Constelación Data Warehouse Bus Architecture Foco de atención: Venta Foco de atención: Promoción Dimensión de mediciones Join entre cada dimensión y los hechos Join del producto cartesiano de las dimensiones y los hechos Procesamiento de consultas con índices de mapa de bits Cubos agregados Navegador de agregados Fallo en la dispersión de los agregados Fábrica de Información Corporativa según Kimball Fábrica de Información Corporativa según Inmon Data Warehouse Corporativo

6 6 ÍNDICE DE FIGURAS

7 Capítulo 2 El Modelo de Datos Multidimensional Figura 2.1: Descripción de una organización 2.1. Fundamentos del modelo de datos multidimensional: Un modelo para consulta A lo largo de todo el capítulo desarrollaremos el siguiente ejemplo: Tenemos una cadena de supermercados en la que hay, entre otros empleados: Un director general (en lo más alto de la pirámide) Un director del departamento de ventas (en algún nivel intermedio de la pirámide) Cajeros/as (en la base de la pirámide) Nosotros nos vamos a centrar en los intereses del director del departamento de ventas, el cual toma decisiones (entre otras muchas) sobre, por ejemplo: Qué productos vender A qué precio vender cada producto Bajo qué ofertas vender cada producto, etc. 7

8 8 Capítulo 2. El Modelo de Datos Multidimensional Qué aplicación seríamos capaces nosotros de hacer ahora mismo para gestionar las ventas en una cadena de supermercados? La figura 2.2 nos muestra un ejemplo de lo que sabríamos hacer. Figura 2.2: Diagrama Entidad/Relación En la figura 2.3 vemos el diagrama relacional correspondiente al E/R mostrado en la figura 2.2. Lo que se ha hecho para pasar de uno al otro no ha sido más que Normalizar, esto es, dejar solamente relaciones del tipo 1..N. A nivel intuitivo podríamos decir que al normalizar lo que se pretende es que cada dato sólo aparezca en un sitio (en una única tabla) con el objetivo de facilitar las modificaciones (evitar inconsistencias, etc.). Figura 2.3: Diagrama relacional resultado de normalizar el diagrama de la figura 2.2 En definitiva, tanto el modelo relacional como el E/R están orientados a optimizar las modificaciones de los datos almacenados. Pero este tipo de aplicación no le es útil al director del departamento de ventas. Supongamos que éste quiere saber las ventas realizadas entre septiembre de 2004 y septiembre de Para ello deberíamos crear una aplicación que le mostrara una tabla similar a la que aparece en la figura 2.4. Otro informe que le podría interesar podría ser el que mostrara las ventas por cada tienda, o por cada departamento, o por cada cajero, durante el último año, o el último trimestre, o el último mes, etc. En resumen, el director del departamento de ventas necesita informes distintos a los que produce la aplicación de las figuras 2.2 y 2.3.

9 2.1 Fundamentos del modelo de datos multidimensional: Un modelo para consulta 9 Producto Sept 2004 Sept 2005 % Figura 2.4: Informe de ventas entre septiembre de 2004 y septiembre de Principios de los sistemas operacionales o transaccionales El objetivo principal no es más que registrar transacciones, esto es, entrada y modificación de los datos; y están destinados a usuarios operacionales (en nuestro ejemplo, los cajeros). Pero como ya hemos visto, necesitamos informes. Cuáles? Muchos y de muy diversa índole: los que el usuario determine cuando analiza la información (en vez de a priori, durante el diseño de la base de datos). Obtener el informe de la figura 2.4 es sencillo pero no trivial. Muy probablemente el decisor no sabrá hacerlo. El trabajo del informático en ese caso es crear informes a medida Principios de los sistemas multidimensionales Los modelos relacionales y E/R se dicen que son homogéneos porque todas las relaciones tienen la misma importancia (recordemos que están orientados a transacciones y no tanto a consultas). El modelo multidimensional es no homogéneo (con unas relaciones más importantes que otras) y no orientado a transacciones, sino orientado a consultas. Los informes requeridos por el director del departamento de ventas serán del tipo cuánto de qué, quién, cuándo, cómo,.... En este caso, cuánto será lo importante (también llamado foco de atención) y el resto será lo adicional. Figura 2.5: Hechos con mediciones y dimensiones En nuestro ejemplo, como se observa en la figura 2.6, el foco de atención es una venta. Figura 2.6: Ejemplo del diagrama multidimensional de una venta

10 10 Capítulo 2. El Modelo de Datos Multidimensional Cómo se representa esto? (Lo subrayado es lo importante y el resto es lo adicional). Boli Azul, Promo: Ninguna, 10/10/ :22:18, Caja-3, La Chana, M a Carmen, Pepe, n o 318, 1, 0 60 Euros, 0 60 Euros, 0 20 Euros Simplificando el ejemplo de la figura 2.6 tendríamos algo como: Figura 2.7: Ejemplo simplificado del diagrama multidimensional de una venta Boli Azul, 10/10/2005, La Chana, 1, 0 60 Euros, 0 20 Euros Funcionamiento de los sistemas multidimensionales En el modelo multidimensional la representación de un dato es un punto en el espacio. La representación espacial de la entrada anterior se puede ver en la figura 2.8. Figura 2.8: Representación de un dato en el espacio Si por ejemplo los domingos la tienda de La Chana no abre, no existirá una línea de puntos en el espacio correspondiente a cada domingo en la tienda de La Chana (equivalentemente, si el 09/10/05 no se vendió ningún boli azul en la tienda de La Chana, no existirá ese punto). Por lo tanto, la representación en el espacio de todos los datos resulta ser un cubo no macizo como el que se ve en la figura 2.9. Con más de tres dimensiones lo correcto es hablar de hipercubo, aunque nosotros siempre utilizaremos el término cubo. Figura 2.9: Representación en el espacio de todos los datos

11 2.1 Fundamentos del modelo de datos multidimensional: Un modelo para consulta 11 En nuestro ejemplo de la cadena de supermercados, los productos tienen varios atributos, como descripción, tipo, marca, provincia de fabricación, etc. También puede resultar interesante agrupar el eje de los productos según alguno o algunos de estos atributos. Esta operación de agrupar los datos de una determinada dimensión según alguno o algunos de sus atributos recibe el nombre de roll-up (véase la figura 2.10), mientras que la operación inversa se conoce como drill-down. El extremo de roll-up consistiría en agrupar todos los puntos de una dimensión en un solo punto. Por otra parte, una vez que se ha hecho roll-up, para poder hacer drill-down se plantea un problema irresoluble si no se almacenaran los datos de más bajo nivel (en nuestro ejemplo, las ventas de productos individuales). Por lo tanto, para hacer drill-down lo que en realidad se hace es un roll-up a partir del cubo base (cubo con todos los datos al menor nivel de detalle posible) para conseguir el cubo que se desea obtener. Figura 2.10: Roll-up en la dimensión producto Tomar una capa del cubo se le dice slice. Por ejemplo, ver solamente los datos referidos a bolígrafos (o ver solamente los productos fabricados en Murcia). Por contra, dice consiste en hacer cubiletes más pequeños a partir del cubo total. Por ejemplo, ver todas las ventas de bolígrafos en el mes de enero. Con slice se dice que se pierde una dimensión (véase la figura 2.11), mientras que con dice esto no ocurre. Vistas estas operaciones podemos afirmar que: un modelo de datos multidimensional es más potente cuantos más atributos tenga cada dimensión, puesto que esto nos permitirá hacer roll-up (equivalentemente, drill-down) de muchas más formas distintas. Dicho de otro modo, a mayor número de atributos en cada dimensión, mayor número de posibles informes.

12 12 Capítulo 2. El Modelo de Datos Multidimensional Figura 2.11: Operación slice El modelo de datos multidimensional a Nivel Conceptual Los sistemas OLTP (On Line Transactional Processing, véase la figura 2.12) son los que hemos aprendido en cursos anteriores. Ahora estudiaremos los sistemas OLAP (On Line Analytical Processing). Figura 2.12: Sistemas OLTP En el modelo de datos multidimensional, a diferencia del E/R o el ODL, existe el problema de que no hay un único modelo de datos multidimensional aceptado por todo el mundo. Lo que sí hay, sin embargo, es un consenso acerca de los elementos generales. Los elementos generales en los que existe consenso son los siguientes: Hechos Nombre Mediciones, que pueden ser derivadas o no derivadas Dimensiones Nombre Niveles Nombre Descriptores Figura 2.13: Ejemplo de hecho con mediciones y dimensiones con descriptores

13 2.1 Fundamentos del modelo de datos multidimensional: Un modelo para consulta 13 En el ejemplo mostrado en la figura 2.13 la medición Beneficio es derivada, ya que puede ser calculada a partir de las mediciones PVP y Coste siguiendo la siguiente fórmula: Beneficio = PVP - Coste. No todos los atributos de una entidad en el modelo E/R serán niveles en el modelo de datos multidimensional; unos sí serán niveles, pero otros serán descriptores de niveles. Toda descomposición correcta de una dimensión en sus correspondientes niveles debe tener una estructura similar a la mostrada en la figura Figura 2.14: Estructura de la descomposición de una dimensión por niveles La figura 2.15 muestra dos ejemplos de descomposición de dimensiones en niveles. Figura 2.15: Ejemplos de descomposición de una dimensión por niveles Implementación de los sistemas multidimensionales: Nivel Lógico Existen varias posibilidades: 1. SGDBMD. Consiste en usar estructuras de datos a medida tales como árboles, índices, matrices, etc. Se les conoce como MOLAP (Multidimensional OLAP). 2. ROLAP (Relational OLAP). Se crea un modelo de datos multidimensional a partir de una BBDD relacional que puede estar normalizada o no. 3. O3LAP (Object Oriented OLAP) 4. HOLAP (Hybrid OLAP). Estructuras de datos a medida junto con BBDD.

14 14 Capítulo 2. El Modelo de Datos Multidimensional Nosotros trabajaremos con ROLAP, no obstante a continuación se presentan las ventajas e inconvenientes entre ROLAP y MOLAP: MOLAP ROLAP Más rápido Rápido (y aumentando) SGBD nuevo SGBD Relacional - No hay especialistas - Hay especialistas - Gestión adicional - Deben aprender lo nuevo Límite (muy alto en el n o de dimensiones) Sin límite en el n o de dimensiones Tras esta comparativa y sabiendo que hoy por hoy en el mercado imperan los sistemas ROLAP vamos a ver cómo se implementan éstos. Recordamos que el diseño a nivel conceptual del modelo de datos multidimensional de nuestro ejemplo de la cadena de supermercados tenía un aspecto similar al mostrado en la figura Figura 2.16: Diseño a nivel conceptual del modelo de datos multidimensional Para implementar este diseño sobre una base de datos relacional comenzaremos creando las tablas que consideremos necesarias. Éstas son las mostradas en la figura Figura 2.17: Implementación en Estrella Como vemos hemos creado una tabla para cada dimensión y otra para los hechos. A este tipo de implementación se le conoce como implementación en estrella.

15 2.1 Fundamentos del modelo de datos multidimensional: Un modelo para consulta 15 Así los atributos que podría tener, por ejemplo, la tabla Producto son: Marca Producto-nombre Fabricante Código barras Provincia fabricación Color Tipo emvase { Familia Peso Nombre Sección Nombre Responsable Departamento Nombre Responsable Algunas entradas (o registros) de la tabla Producto podrían ser, por ejemplo: Agua Lanjarón 0 5L, XXX, NA, PVC, 0 5K, Lanjarón, Aguas Lanjarón, Granada, Aguas, Bebidas no Alcohólicas,... Agua Lanjarón 1 5L, XXX, NA, PVC, 1 5K, Lanjarón, Aguas Lanjarón, Granada, Aguas, Bebidas no Alcohólicas,... Agua Lanjarón 5L, XXX, NA, PVC, 5K, Lanjarón, Aguas Lanjarón, Granada, Aguas, Bebidas no Alcohólicas,... Otros ejemplos de registros para la tabla Tiempo podrían ser: 24/10/2005, lunes, no fin de semana, laborable, oto~no, 43, octubre, 10, /10/2005, martes, no fin de semana, laborable, oto~no, 43, octubre, 10, 2005 Como vemos, con esta implementación aparece claramente el problema de la información replicada. Por lo tanto, la solución pasa por normalizar nuestro diseño. Y así obtenemos el conjunto de tablas que aparecen en la figura Figura 2.18: Implementación en Copo de Nieve A este tipo de implementación se le conoce como implementación en copo de nieve y en ella se tiene una tabla por cada nivel de cada dimensión. La principal diferencia con una implementación en estrella es que ésta última no está normalizada, mientras que con copo de nieve sí que lo está. Por otra parte, las consultas en una implementación en estrella son mucho más fáciles y rápidas ya que implican muchas menos tablas con muchas menos referencias a otras tablas. En copo de nieve, sin embargo, se está más cercano al nivel conceptual, aunque también sería posible presentar una implementación en estrella según un diseño de nivel conceptual (bastaría con indicar qué atributos de las dimensiones son niveles y cuáles son descriptores).

16 16 Capítulo 2. El Modelo de Datos Multidimensional Otra diferencia que podríamos pensar que existe entre ambas implementaciones es la del espacio ocupado por cada una de ellas. Para analizar esto recordemos lo que decíamos sobre la normalización: cuando ésta se aplica conseguimos evitar anomalías en las modificaciones, ya que se coloca cada dato en un sólo sitio, con el consecuente ahorro de espacio. Vamos a estimar el tamaño ocupado por una implementación en estrella suponiendo que tenemos los siguientes valores: productos, 1825 días, 20 tiendas y 500 promociones. Parece evidente que las tablas de cada una de las dimensiones serán más grandes que con una implementación de copo de nieve. Ahora bien, en cuanto a la tabla de los hechos (la ventas), qué significan cada uno de sus registros? Venta en un día, de un producto, en una tienda, bajo una promoción 24/10/2005, Botella Agua 0 5L, Mercadona Parque Almunia, sin promoción, 25 u, 0 5 Euros, 0 3 Euros Por otra parte debemos plantearnos cuántos registros puede tener la tabla de los hechos. Pues como máximo tendrá el producto = , lo cual daría lugar a un cubo totalmente macizo que, como ya vimos, no es nada probable. Pensemos que lo que estaríamos diciendo con ello es que cada día se han vendido cada uno de los productos, en cada una de las tiendas, bajo cada una de las promociones. Un estimación aproximada del número real de registros podría ser: 1825 días 20 tiendas 10 % de productos 1 5 promociones = registros Así, la tabla realmente grande es la de los hechos y es ahí donde debemos esforzarnos por ahorrar espacio. Un cálculo del espacio ocupado por cada registro de dicha tabla podría ser: Mediciones Llaves externas Cantidad 2 bytes Fecha: dd/mm/aaaa 8 bytes PVP 4 bytes Producto: código barras 10 bytes Coste 4 bytes Tienda: nombre 15 bytes 10 bytes Promoción: nombre 25 bytes 58 bytes Si convenimos que cada entrada ocupa 68 bytes, el tamaño total de la tabla será de GB. Moviéndonos en estos órdenes de espacio podemos afirmar que el espacio ocupado por las tablas de las dimensiones es despreciable con respecto al ocupado por la tabla de los hechos. Y puesto que dicha tabla tiene el mismo tamaño en una implementación en estrella que en una en copo de nieve, concluimos que el espacio ocupado no es un factor determinante o decisivo para decantarse por una implementación u otra. No obstante siempre interesa ahorrar todo el espacio posible. Para conseguir este objetivo podríamos pensar en reducir el número de dimensiones o eliminar mediciones de la tabla de hechos, pero esto será, en la mayoría de los casos, una solución incorrecta. Lo que sí que se puede hacer es convertir las llaves externas antes vistas en llaves generadas, que consisten básicamente en asignar un número a cada registro distinto en las tablas de las dimensiones (numerarlos, en definitiva). Con esta transformación tendríamos que: Mediciones Llaves generadas Cantidad 2 bytes Fecha 2 bytes PVP 4 bytes Producto 4 bytes Coste 4 bytes Tienda 2 bytes 10 bytes Promoción 2 bytes 10 bytes Es decir ( ) 20 bytes por cada registro, ocupando así la tabla completa un total de = 6 57 GB. No olvidemos que ahorrando espacio también estamos mejorando el rendimiento global del sistema, reduciendo, por ejemplo, el tiempo de respuesta ante una consulta.

17 2.2 Diseño multidimensional Diseño multidimensional En esta sección vamos a estudiar cómo realizar un diseño tanto a nivel conceptual como a nivel lógico de un sistema OLAP. Sería el equivalente a aprender el modelo E/R y el modelo relacional en sistemas OLTP Pasos para realizar un diseño multidimensional a nivel conceptual 1. Seleccionar el área de negocio En este primer paso debemos determinar quién será el usuario dentro de la pirámide de la organización (figura 2.1) que usará la aplicación. Es más, debemos determinar el área, el usuario y los objetivos del mismo (es decir, las decisiones a las que se va a dar soporte). En nuestro ejemplo el área es el departamento de ventas, el usuario es el director del departamento de ventas y los objetivos son permitirle tomar decisiones sobre precios de productos, promociones, etc. 2. Definir los hechos a) Ventas de un producto en una tienda, en una fecha, bajo una promoción. b) Ventas de un producto en una línea de ticket, una tienda, en una fecha, bajo una promoción. 3. Definir las dimensiones. Bases Identificamos todas las dimensiones que se nos ocurran con todos los atributos que pensemos (siempre que podamos obtener los datos de alguna fuente), ya que cuanto mayor sea el número de dimensiones con sus respectivos descriptores, mayor es el número de combinaciones posibles para hacer roll-up, es decir, mayor es el número de posibles informes que se pueden crear. En ese momento definimos las bases, que no son más que el conjunto de dimensiones que identifican unívocamente a cada registro de los hechos. En nuestro ejemplo la base la forman las dimensiones Producto, Tienda, Fecha y Promoción, aunque podrían haber sido otras, como por ejemplo LineaTicket de un Ticket, o bien Fecha, Hora, Caja y Tienda. En ocasiones puede ocurrir que nos encontremos con una dimensión con muchísimos registros y con mucha información repetida, como ocurre en la figura Figura 2.19: Dimensiones sin desdoblar

18 18 Capítulo 2. El Modelo de Datos Multidimensional La solución pasa entonces por desdoblar la dimensión, que no es otra cosa que tomar una dimensión y dividirla en dos, consiguiendo así tener mucha menos información replicada, con el consecuente ahorro de espacio. La figura 2.20 muestra el desdoblamiento de las dimensiones que veíamos en la figura Figura 2.20: Dimensiones de la figura 2.19 desdobladas 4. Identificar las mediciones. Aditividad Ya conocemos lo que son las mediciones; por otra parte, la aditividad es una característica de éstas que nos indica cómo agregarlas (es decir, cómo hacer roll-up con ellas). Existen tres tipos de mediciones atendiendo a su aditividad: Aditivas. Se puede aplicar la SUMA por todas las dimensiones. Es el caso de las mediciones N o artículos, N o clientes o Beneficio. No aditivas. No se puede aplicar la SUMA por ninguna dimensión. Por ejemplo el PVP o el Coste. Semi-aditivas. Se puede aplicar la SUMA por algunas dimensiones. Como ocurre, por ejemplo, con el Saldo de la figura 2.21, que se puede sumar por las dimensiones Cliente y Cuenta, pero no por la dimensión Fecha. 1 Figura 2.21: Saldo de una cuenta de ahorros Las mediciones derivadas habitualmente serán aditivas, mientras que las no derivadas pueden ser de cualquier tipo. Generalmente son preferibles las mediciones aditivas frente a las no aditivas y las semi-aditivas.entre la opción (a) y la (b), es preferible la opción (b). 5.Validación U. Vendidas U. Vendidas PVP ImporteVenta CosteUnitario CosteVenta BeneficioUnitario BeneficioVenta (a) (b) 1. Comprobar que hay fuentes de datos (generalmente aplicaciones OLTP). 2. Estimar el número de registros de los hechos y de alguna dimensión, si ésta es especialmente grande. 1 Aunque esto estaría bastante bien ;-)

19 2.2 Diseño multidimensional Pasos para realizar un diseño multidimensional a nivel lógico Como ya vimos anteriormente, con un diseño multidimensional en estrella, los hechos se corresponden con una tabla, así como cada una de las dimensiones. En la figura 2.22 se muestra una estimación del número de registros para cada dimensión. Figura 2.22: Diseño a nivel lógico Dimensiones degeneradas Un registro de LineaTicket tendrá el siguiente aspecto: Línea Ticket Por lo tanto, consideramos que el atributo Línea de la tabla LineaTicket no es relevante para el decisor y lo eliminamos. Pero si vamos un poco más lejos y nos damos cuenta de que el atributo Ticket tampoco tiene importancia, entonces eliminamos la dimensión LineaTicket entera. A este tipo de dimensión se le llama dimensión degenerada, la cual tiene una llave externa en la tabla de hechos pero no tiene una tabla de dimensión asociada porque no aporta información adicional. Otro ejemplo viene con los registros de la tabla Hora, los cuales tendrían un aspecto similar al siguiente: ID hora Subparte día Parte día 00:00:00 Noche Noche... 10:00:00 Media ma~nana Ma~nana... 16:00:00 1 a hora de la tarde Tarde... 23:59:59 Noche Noche Para empezar podríamos quedarnos sólo con aquellos registros de las horas en las que permanecieran abiertas las tiendas. Pero si fuéramos más allá y decidiéramos prescindir de los atributos subparte del día y parte del día, nos encontraríamos nuevamente con una dimensión degenerada.

20 20 Capítulo 2. El Modelo de Datos Multidimensional Dimensiones cambiantes Hasta ahora hemos considerado que las dimensiones eran fijas, estáticas, mientras que a los hechos se le están añadiendo nuevos registros continuamente. Pero la realidad no es del todo así, puesto que existen las llamadas dimensiones cambiantes. Y estos cambios en los datos de las dimensiones deben quedar reflejados de alguna manera. Existen cuatro posibilidades: Tipo 1 Sobreescribir los valores antiguos con los nuevos. Antes de los cambios, tendríamos, por ejemplo: Y después de los cambios, tendríamos: Nombre Teléfono Félix Gómez Nombre Teléfono Félix Gómez Esta solución no siempre será aceptable, puesto que no podemos perder de vista que estamos cambiando la historia. Tipo 2 Crear un nuevo registro con el nuevo valor del registro correspondiente. Antes de los cambios, tendríamos, por ejemplo: ID CodBarras Descripción Sección 34 1X73F624J Agua Lanjarón 5L Alimentación Y después de los cambios, tendríamos: ID CodBarras Descripción Sección 34 1X73F624J Agua Lanjarón 5L Alimentación 90 1X73F624J Agua Lanjarón 5L Aguas Esta solución, adecuada en algunos casos, tiene el inconveniente del incremento en el número de registros de la dimensión cambiante. Tipo 3 Añadir nuevos campos a los registros ya existentes. Antes de los cambios, tendríamos, por ejemplo: ID CodBarras Descripción Sección 34 1X73F624J Agua Lanjarón 5L A Y después de los cambios, tendríamos: ID CodBarras Descripción Sección NuevaSección 34 1X73F624J Agua Lanjarón 5L A B 34 1X73F624J Agua Lanjarón 5L B C Aunque otra opción podría ser: ID CodBarras Descripción Sección NuevaSección ÚltimaSección 34 1X73F624J Agua Lanjarón 5L A B C A este tipo también se le conoce como realidad alternativa, puesto que permite ver la información almacenada, desde distintas perspectivas.

21 2.2 Diseño multidimensional 21 Tipo 6 (3+2+1) Antes de los cambios, tendríamos, por ejemplo: ID CodBarras Descripción Sección NuevaSección Último 34 1X73F624J Agua Lanjarón 5L A A Sí Y después de los cambios, tendríamos: ID CodBarras Descripción Sección NuevaSección Último 34 1X73F624J Agua Lanjarón 5L A B No 96 1X73F624J Agua Lanjarón 5L B B Sí Si hubiera un cambio más, entonces tendríamos: ID CodBarras Descripción Sección NuevaSección Último 34 1X73F624J Agua Lanjarón 5L A C No 96 1X73F624J Agua Lanjarón 5L B C No 132 1X73F624J Agua Lanjarón 5L C C Sí A este problema se le conoce como el problema de las dimensiones lentamente cambiantes o SCD (Slowly Changing Dimension). Sin embargo, también existen otro tipo de dimensiones con campos rápidamente cambiantes. Es el caso del campo PVP en la dimensión Producto. Si el PVP de un producto lo ponemos en la dimensión Producto, podríamos adoptar una solución de tipo 1. Otra opción sería poner el PVP en la tabla de los hechos. Y una tercera alternativa pasaría por desdoblar la dimensión Producto en función de la estabilidad de sus campos, dejando de un lado los atributos lentamente cambiantes y del otro lado los atributos rápidamente cambiantes Caso de diseño según fotografía periódica Hasta ahora hemos visto que en los hechos se registraban transacciones (de ventas, por ejemplo). Ahora vamos a tomar como ejemplo uno en el que el foco de atención es el inventario de un almacén. El enfoque 1 que se muestra en la figura 2.23 es equivalente al ya hecho para las ventas. Figura 2.23: Enfoque 1: Transacciones de almacén En el enfoque 2 mostrado en la figura 2.24 los hechos registran el inventario de cada producto en cada fecha y en cada almacén, con lo que se tiene un cubo sólido, sin huecos. A1, P1, F1. 30u, 50 Euros, 70 Euros A1, P2, F1. 10u, 20 Euros, 30 Euros A1, P2, F2. 20u, 15 Euros, 20 Euros Lo importante de esto es ver que para un usuario podría valer cualquiera de los dos enfoques dependiendo de sus necesidades a la hora de generar informes. De hecho, es posible que necesite ambos enfoques.

22 22 Capítulo 2. El Modelo de Datos Multidimensional Figura 2.24: Enfoque 2: Fotografía periódica de almacén Para ello es necesario poder crear informes combinados a partir de distintos esquemas. A esta operación multidimensional de crear informes combinados se le conoce como drillacross, y consiste en llevar las condiciones definidas en un informe sobre un esquema (slice & dice) a otro esquema. Nivel de ventas Drill-across Nivel de almacenamiento (en un lugar y periodo) (en un lugar y periodo) La condición necesaria que se debe cumplir para poder aplicar drill-across es que ambos esquemas compartan, al menos, las dimensiones sobre las que se definen las condiciones. A esta combinación de dimensiones procedentes de distintos esquemas se le llama constelación (ver figura 2.25), aunque cada base de datos multidimensional individual no tiene por qué ser necesariamente en estrella. Figura 2.25: Constelación Otra representación de las constelaciones es la Data Warehouse Bus Architecture, como se puede observar en la figura Figura 2.26: Data Warehouse Bus Architecture Según la herramienta que se use puede ser suficiente incluso con que se compartan solamente aquellas partes de las dimensiones sobre las que se definen las restricciones.

Fundamentos 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 - 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 detalles

El diseño de la base de datos de un Data Warehouse. Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias

El diseño de la base de datos de un Data Warehouse. Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias El diseño de la base de datos de un Data Warehouse Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias El modelo Multidimensional Principios básicos Marta Millan millan@eisc.univalle.edu.co

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

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

Sistemas de Información 12/13 La organización de datos e información 12/13 La organización de datos e información Departamento Informática e Ingeniería de Sistemas Universidad de Zaragoza (raqueltl@unizar.es) " Guión Introducción: Data Warehouses Características: entornos

Más detalles

Definición. Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4

Definición. Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4 Definición Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4 Definición (cont.) Un Data Warehouse es una colección de

Más detalles

Sistema de análisis de información. Resumen de metodología técnica

Sistema de análisis de información. Resumen de metodología técnica Sistema de análisis de información Resumen de metodología técnica Tabla de Contenidos 1Arquitectura general de una solución de BI y DW...4 2Orígenes y extracción de datos...5 2.1Procesos de extracción...5

Más detalles

Capítulo 2 Tecnología data warehouse

Capítulo 2 Tecnología data warehouse Capítulo 2 Tecnología data warehouse El objetivo de éste capítulo es mostrar la tecnología data warehouse (DW) como una herramienta para analizar la información. Este capítulo se encuentra organizado de

Más detalles

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

FACULTAD DE INGENIERÍA. Bases de Datos Avanzadas

FACULTAD DE INGENIERÍA. Bases de Datos Avanzadas FACULTAD DE INGENIERÍA Ingeniería en Computación Bases de Datos Avanzadas Datawarehouse Elaborado por: MARÍA DE LOURDES RIVAS ARZALUZ Septiembre 2015 Propósito Actualmente las empresas necesitan contar

Más detalles

OLAP 2 OLAP 1 OLAP 4 OLAP 3 OLAP 5 OLAP 6

OLAP 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 detalles

Inteligencia de Negocios Introducción. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS

Inteligencia de Negocios Introducción. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Inteligencia de Negocios Introducción Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Agenda 1.Introducción 2.Definición 3.ETL 4.Bodega de Datos 5.Data Mart

Más detalles

DATA WAREHOUSE DATA WAREHOUSE

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

Más detalles

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

Diseño dimensional. Departamento de Lenguajes y Computación Universidad de Almería. Diseño dimensional. Contenidos

Diseño dimensional. Departamento de Lenguajes y Computación Universidad de Almería. Diseño dimensional. Contenidos Diseño y Construcción de Almacenes de datos Almería 2006 Diseño dimensional Manuel Torres Gil mtorres@ual.es Departamento de Lenguajes y Computación Universidad de Almería Diseño y Construcción de Almacenes

Más detalles

Capítulo 12: Indexación y asociación

Capítulo 12: Indexación y asociación Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación

Más detalles

Cátedra: BI Business Intelligence. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012.

Cátedra: BI Business Intelligence. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012 programa Plan 2008 Área Complementaria Carga horaria semanal Anual/ cuatrimestral Coordinador de Cátedra Objetivos

Más detalles

SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA

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

Más detalles

MOLAP REALIZADO POR: JOSE E. TABOADA RENNA

MOLAP 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 detalles

Comunicación para Tecnimap 2010. Contenido: 1. Itourbask como elemento de un Sistema de Gestión de Destino Turístico 2. El Data Mart de Itourbask

Comunicación para Tecnimap 2010. Contenido: 1. Itourbask como elemento de un Sistema de Gestión de Destino Turístico 2. El Data Mart de Itourbask Comunicación para Tecnimap 2010. EL BI APLICADO AL ANÁLISIS DE LAS VISITAS TURÍSTICAS Contenido: 1. Itourbask como elemento de un Sistema de Gestión de Destino Turístico 2. El Data Mart de Itourbask Autor:

Más detalles

Overview of Data Warehousing / Business Intelligence with SQL Server

Overview 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 detalles

Un comité de la organización ANSI (American National Standards Institute) aborda la problemática del almacenamiento de datos para su procesamiento en

Un comité de la organización ANSI (American National Standards Institute) aborda la problemática del almacenamiento de datos para su procesamiento en 15/05/2012 1 Un comité de la organización ANSI (American National Standards Institute) aborda la problemática del almacenamiento de datos para su procesamiento en aplicaciones informáticas en 1975. 2 Como

Más detalles

Normalización. El diseño que hemos recibido está compuesto de estas dos relaciones:

Normalización. El diseño que hemos recibido está compuesto de estas dos relaciones: Normalización 1. Introducción Nuestro departamento de informática ha recibido el encargo de diseñar una base de datos para llevar el control de las piezas, proveedores y proyectos que realiza nuestra empresa.

Más detalles

Capítulo 4 Implementación

Capítulo 4 Implementación Capítulo 4 Implementación Este capítulo describe los detalles de implementación del sistema. La sección 4.1 habla sobre las herramientas utilizadas y detalla la arquitectura para la implementación de ATEXEM.

Más detalles

DOMINAR TABLAS DINÁMICAS

DOMINAR TABLAS DINÁMICAS 24-2-2011 Le presentamos esta entrevista con Luis Muñiz, autor del libro "Dominar las Tablas Dinámicas en Excel 2007-2010 aplicadas a la Gestión Empresarial", en la que explica cómo ahorrar costes y tomar

Más detalles

Este es un ejemplo muy sencillo, un esquema de empleados que trabajan en proyectos, en una relación muchos a muchos.

Este es un ejemplo muy sencillo, un esquema de empleados que trabajan en proyectos, en una relación muchos a muchos. 28/04/2012 La teoría de la normalización va perdiendo peso con el paso de los años como herramienta de diseño de bases de datos relacionales en favor de modelos de datos más ricos en su representación,

Más detalles

REGULAR EL STOCK Gem3 v1.1.1392 Fecha: 13-8-2007 Versión Doc.: 1.0.3

REGULAR EL STOCK Gem3 v1.1.1392 Fecha: 13-8-2007 Versión Doc.: 1.0.3 REGULAR EL STOCK Gem3 v1.1.1392 Fecha: 13-8-2007 Versión Doc.: 1.0.3 1.- Conceptos Generales 2.- Primeros pasos 3.- Contar los artículos de mi almacén o 3.1.- División del almacén o 3.2.- Una Primera regulación

Más detalles

Introducción. Estadística 1. 1. Introducción

Introducción. Estadística 1. 1. Introducción 1 1. Introducción Introducción En este tema trataremos de los conceptos básicos de la estadística, también aprenderemos a realizar las representaciones gráficas y a analizarlas. La estadística estudia

Más detalles

Bases de datos en Excel

Bases de datos en Excel Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Bases de datos en Excel Hojas de cálculo Tema 5 Bases de datos en Excel Hasta ahora hemos usado Excel básicamente para realizar cálculos

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

Tecnologías de Información y Comunicación II CLASE 10

Tecnologías de Información y Comunicación II CLASE 10 Tecnologías de Información y Comunicación II CLASE 10 Medidas Una medida es un tipo de dato cuya información es usada por los analistas (usuarios) en sus consultas para medir la perfomance del comportamiento

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

ESPECIFICACIÓN DE SISTEMA PARA ACADEMIA DE CORTE Y CONFECCION UNIVERSIDAD DE GRANADA E.T.S INGENIERÍA INFORMÁTICA

ESPECIFICACIÓN DE SISTEMA PARA ACADEMIA DE CORTE Y CONFECCION UNIVERSIDAD DE GRANADA E.T.S INGENIERÍA INFORMÁTICA Pág.1 ESPECIFICACIÓN DE SISTEMA PARA ACADEMIA DE CORTE Y CONFECCION UNIVERSIDAD DE GRANADA E.T.S INGENIERÍA INFORMÁTICA Dpto. Lenguajes y Sistemas Informáticos Curso 2002 / 2003 Pág.2 Asignatura: Ingeniería

Más detalles

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

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

Más detalles

Análisis de los datos

Análisis de los datos Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización

Más detalles

Microsoft Access. Microsoft Access es una herramienta de Microsoft para la definición y manipulación de bases de datos.

Microsoft Access. Microsoft Access es una herramienta de Microsoft para la definición y manipulación de bases de datos. Prácticas de Introducción al uso de Computadores Curso 2001-2002 1 Microsoft Access Introducción Microsoft Access es una herramienta de Microsoft para la definición y manipulación de bases de datos. Una

Más detalles

INTELIGENCIA DE NEGOCIOS CON SQL SERVER 2008 R2

INTELIGENCIA DE NEGOCIOS CON SQL SERVER 2008 R2 Programa de Capacitación y Certificación. INTELIGENCIA DE NEGOCIOS CON SQL SERVER 2008 R2 Contenido PERFIL DE UN ESPECIALISTA EN BASES DE DATOS.... 3 6231. MANTENIENDO UNA BASE DE DATOS DE SQL SERVER 2008

Más detalles

Hasta este momento Lupita todavía no sabe si tendrá que ahorrar o va a pedir un crédito para poder comprar lo que necesita.

Hasta este momento Lupita todavía no sabe si tendrá que ahorrar o va a pedir un crédito para poder comprar lo que necesita. Módulo 6. Inversión Te acuerdas que Lupita, la esposa de Vicente, quería poner un restaurante? Bueno, pues como ya habíamos contado en los otros módulos, Lupita tiene que comprar algunas cosas para poder

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

Unidad III: Lenguaje de manipulación de datos (DML) 3.1 Inserción, eliminación y modificación de registros

Unidad III: Lenguaje de manipulación de datos (DML) 3.1 Inserción, eliminación y modificación de registros Unidad III: Lenguaje de manipulación de datos (DML) 3.1 Inserción, eliminación y modificación de registros La sentencia INSERT permite agregar nuevas filas de datos a las tablas existentes. Está sentencia

Más detalles

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

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

Más detalles

Análisis por simulación de un sistema estocástico

Análisis por simulación de un sistema estocástico Análisis por simulación de un sistema estocástico José Carlos Cimorra Velilla David Ordóñez Arévalo ÍNDICE 1. Planteamiento del problema... 2 2. Modelo... 4 2.1 Diagrama de flujo... 4 2.2 Modelo de colas...

Más detalles

El modelo relacional y el álgebra relacional

El modelo relacional y el álgebra relacional El modelo relacional y el álgebra relacional Introducción Esta unidad didáctica está dedicada al estudio del modelo de datos relacional y del álgebra relacional. El concepto de modelo de datos se ha presentado

Más detalles

Codd propuso estos tres lenguajes como base teórica de cualquier lenguaje que quisiera cumplir con los requisitos formales del modelo.

Codd propuso estos tres lenguajes como base teórica de cualquier lenguaje que quisiera cumplir con los requisitos formales del modelo. 16/05/2012 1 Todo modelo de datos debe definir un lenguaje de definición de datos para crear las estructuras donde se almacenará la información y un lenguaje de manipulación de datos con el que acceder

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

Estructura de Bases de datos. Leonardo Víquez Acuña

Estructura de Bases de datos. Leonardo Víquez Acuña Estructura de Bases de datos Leonardo Víquez Acuña Lenguajes de Bases de Datos Un sistema de bases de datos proporciona Un lenguaje de definición de datos para especificar el esquema de la base de datos

Más detalles

CASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS

CASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS CASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS Nuestra empresa es una pequeña editorial que maneja habitualmente su lista de ventas en una hoja de cálculo y desea poder realizar un análisis de sus

Más detalles

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

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

Más detalles

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

Modelado dimensional de datos

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

Más detalles

Arquitectura de Aplicaciones

Arquitectura de Aplicaciones 1 Capítulo 13: Arquitectura de aplicaciones. - Sommerville Contenidos del capítulo 13.1 Sistemas de procesamiento de datos 13.2 Sistemas de procesamiento de transacciones 13.3 Sistemas de procesamiento

Más detalles

Tipos de datos. A la hora de crear un campo en una tabla, hay que especificar de qué tipo son los datos que se van a almacenar en ese campo.

Tipos de datos. A la hora de crear un campo en una tabla, hay que especificar de qué tipo son los datos que se van a almacenar en ese campo. Manual Basico de manejo de Access (Microsoft). 1. Introducción Qué es una base de datos? Una biblioteca ha de mantener listas de los libros que posee, de los usuarios que tiene, una escuela, de sus alumnos

Más detalles

PROYECTO DE TESIS DIEGO GALLARDO. ESPEL - Diego Gallardo

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

Más detalles

El almacén de indicadores de proceso de negocio en ejecución

El almacén de indicadores de proceso de negocio en ejecución X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 El almacén de indicadores de proceso de negocio en ejecución Andrés Boza García 1, Angel Ortiz Bas 1, Llanos Cuenca Gonzalez

Más detalles

Error! Nombre desconocido de propiedad de documento.

Error! Nombre desconocido de propiedad de documento. MANUAL USUARIO COLABORA WEB INDICE 1 IInttrroducccci ión... 3 1.1 Objetivos... 3 1.2 Qué es COLABORA?... 3 1.3 Acceso a la aplicación... 3 2 Prroccesso de Gesstti ión de Entti idadess COLLABORA... 5 2.1

Más detalles

NORMALIZACION. Definición.

NORMALIZACION. Definición. NORMALIZACION Definición. La normalización es una técnica que se utiliza para crear relaciones lógicas apropiadas entre tablas de una base de datos. La normalización se adoptó porque el viejo estilo de

Más detalles

IES Politécnico Estella

IES Politécnico Estella SÍNTESIS PROGRAMACIÓN DEL MÓDULO/ DEPARTAMENTO: INFORMATICA GRUPO/CURSO: PRIMERO ASI (2014-2015) MÓDULO / : GEBD PROFESOR:JULIA SEVILLA PAULA REMIREZ 3.- CONTENIDOS: 3.1.- Enumera las Unidades Didácticas

Más detalles

CAPITULO V DISEÑO DEL CUADRO DE MANDO INTEGRAL

CAPITULO V DISEÑO DEL CUADRO DE MANDO INTEGRAL CAPITULO V DISEÑO DEL CUADRO DE MANDO INTEGRAL Al hablar del balance scorecard, no deberíamos referirnos al mismo como Proyecto, sino más bien como Programa. Esto solamente para dar al balanced scorecard

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

Modelamiento Dimensional. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS

Modelamiento Dimensional. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Modelamiento Dimensional Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Agenda Modelo Dimensional Definición Componentes Ejemplos Comparación con E/R Proceso

Más detalles

TEMA 4. Diseño Lógico de bases de datos relacionales.

TEMA 4. Diseño Lógico de bases de datos relacionales. TEMA 4. Diseño Lógico de bases de datos relacionales. 1. El modelo relacional La teoría formal que constituye los cimientos de los sistemas relacionales se conoce como modelo de datos relacional. Cuando

Más detalles

Tema 6: Diseño de bases de datos relacionales.

Tema 6: Diseño de bases de datos relacionales. 6.1 Introducción. Tema 6:. Las dificultades inherentes al diseño de una base de datos han de afrontarse con procedimientos ordenados y metódicos. En el proceso de diseño de una base de datos hemos de distinguir

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

Minería de datos (Introducción a la minería de datos)

Minería de datos (Introducción a la minería de datos) Minería de datos (Introducción a la minería de datos) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 12-O. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 21

Más detalles

Tema 11. Soporte del Sistema Operativo 11.1. REQUERIMIENTOS DE LOS SISTEMAS OPERATIVOS. 11.1.1. MULTIPROGRAMACIÓN.

Tema 11. Soporte del Sistema Operativo 11.1. REQUERIMIENTOS DE LOS SISTEMAS OPERATIVOS. 11.1.1. MULTIPROGRAMACIÓN. Tema 11 Soporte del Sistema Operativo 11.1. REQUERIMIENTOS DE LOS SISTEMAS OPERATIVOS. El sistema operativo es básicamente un programa que controla los recursos del computador, proporciona servicios a

Más detalles

Construcción de cubos OLAP utilizando Business Intelligence Development Studio

Construcción de cubos OLAP utilizando Business Intelligence Development Studio Universidad Católica de Santa María Facultad de Ciencias e Ingenierías Físicas y Formales Informe de Trabajo Construcción de cubos OLAP utilizando Business Intelligence Development Studio Alumnos: Solange

Más detalles

Materia: Informática. Nota de Clases Sistemas de Numeración

Materia: Informática. Nota de Clases Sistemas de Numeración Nota de Clases Sistemas de Numeración Conversión Entre Sistemas de Numeración 1. EL SISTEMA DE NUMERACIÓN 1.1. DEFINICIÓN DE UN SISTEMA DE NUMERACIÓN Un sistema de numeración es un conjunto finito de símbolos

Más detalles

Potencia tu talento y el de los que te rodean MÉTODO SIDECAR. No basta saber, se debe también aplicar. No es suficiente querer, se debe también hacer.

Potencia tu talento y el de los que te rodean MÉTODO SIDECAR. No basta saber, se debe también aplicar. No es suficiente querer, se debe también hacer. No basta saber, se debe también aplicar. No es suficiente querer, se debe también hacer. Johan Wolfgang Goethe INDICE 1. 2. OBJETIVO PROCESO Evaluación ANTES: Perfil de partida. Evaluación DESPUÉS: Perfil

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

Sybase almacenamiento y acceso a grandes volúmenes de datos para su análisis y generación de informes. Información en tiempo real para el negocio

Sybase almacenamiento y acceso a grandes volúmenes de datos para su análisis y generación de informes. Información en tiempo real para el negocio Sybase almacenamiento y acceso a grandes volúmenes de datos para su análisis y generación de informes Información en tiempo real para el negocio Obtener los datos relevantes en el momento más adecuado,

Más detalles

ACCESS 2010 OFIMÁTICA AULA MENTOR

ACCESS 2010 OFIMÁTICA AULA MENTOR ACCESS 2010 OFIMÁTICA AULA MENTOR Módulo I: Introducción UNIDADES DIDÁCTICAS: 1. Unidad didáctica 1 2 Introducción a las Bases de Datos 2. Unidad didáctica 2 10 Comenzar a trabajar con Access Página 1

Más detalles

2 Métodos combinatorios

2 Métodos combinatorios 2 Métodos combinatorios Las pruebas pueden aplicarse de muchas maneras, es decir, existen diferentes formas de preparar casos de prueba. En este capítulo se presentan dos formas de prueba muy fáciles de

Más detalles

Base de datos: Access. Unidad Didáctica 3: Planificación y diseño de una base de datos

Base de datos: Access. Unidad Didáctica 3: Planificación y diseño de una base de datos Módulo 7: Tecnologías de la Información y Comunicación y Ofimática Unidad Didáctica 3: Planificación y diseño de una base de datos Base de datos: Access UNIDAD DIDÁCTICA 3 Planificación y diseño de una

Más detalles

Sistemas secuenciales síncronos: codificación de estados de un control de volumen

Sistemas secuenciales síncronos: codificación de estados de un control de volumen Sistemas secuenciales síncronos: codificación de estados de un control de volumen Apellidos, nombre Martí Campoy, Antonio (amarti@disca.upv.es) Departamento Centro Informàtica de Sistemes i Computadors

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

Capítulo VI. Diagramas de Entidad Relación

Capítulo VI. Diagramas de Entidad Relación Diagramas de Entidad Relación Diagramas de entidad relación Tabla de contenido 1.- Concepto de entidad... 91 1.1.- Entidad del negocio... 91 1.2.- Atributos y datos... 91 2.- Asociación de entidades...

Más detalles

SolucionesAnalíticas con Pentaho.

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

Más detalles

Módulo Minería de Datos

Módulo 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 detalles

H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS

H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS Una situación que se nos plantea algunas veces es la de resolver un problema hacia atrás, esto es, encontrar

Más detalles

Tema: Crear, Modificar y Abrir Conexiones ODBC. Generación de Cubos OLAP Revisado: 2006

Tema: Crear, Modificar y Abrir Conexiones ODBC. Generación de Cubos OLAP Revisado: 2006 1 Jose Ignacio González Gómez. Departamento de Economía Financiera y Contabilidad Universidad de La Laguna www.ecofin.ull.es/users/jggomez. Tema: Crear, Modificar y Abrir Conexiones ODBC. Generación de

Más detalles

Así, si p.ej. seleccionamos la tabla Hoteles de alguna práctica anterior, y seleccionamos

Así, si p.ej. seleccionamos la tabla Hoteles de alguna práctica anterior, y seleccionamos ESCUELA UNIVERSITARIA DE TURISMO DIPLOMATURA DE TURISMO BASES DE DATOS Y EL SECTOR TURÍSTICO CURSO 02/03 CREACIÓN DE FORMULARIOS CON ACCESS. Access permite la inserción, eliminación y modificación de registros

Más detalles

INTRODUCCION A LAS BASES DE DATOS Procesamiento de Archivos vs Bases de Datos ARCHIVOS BASES DE DATOS

INTRODUCCION A LAS BASES DE DATOS Procesamiento de Archivos vs Bases de Datos ARCHIVOS BASES DE DATOS INTRODUCCION A LAS BASES DE DATOS Procesamiento de Archivos vs Bases de Datos ARCHIVOS Datos repetidos. No se manejan estándares. Había inconsistencia de datos. Falta de seguridad en los datos. No existían

Más detalles

La suma y la resta. Introducción. Capítulo

La suma y la resta. Introducción. Capítulo Capítulo II La suma y la resta Introducción En el capítulo anterior, vimos que los números permiten expresar la cantidad de objetos que tiene una colección. Juntar dos o más colecciones, agregar objetos

Más detalles

Diseño de bases de datos Diapositiva 1

Diseño de bases de datos Diapositiva 1 Diseño o de bases de datos Objetivos del Diseño Principios del Diseño de BD Proceso de Diseño Normalización Diseño de Tablas: Claves Relaciones Integridad referencial Convenciones de nomenclatura Diseño

Más detalles

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST 7.1. ANÁLISIS DE LOS ÍTEMS Al comenzar la asignatura ya planteábamos que uno de los principales problemas a los que nos enfrentábamos a la hora

Más detalles

Concepción - Chile Marcela Varas Universidad de Concepción Chile - 2012

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 detalles

TEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL

TEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL TEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL 1. Electrónica Digital Antes de empezar en el tema en cuestión, vamos a dar una posible definición de la disciplina que vamos a tratar, así como su ámbito

Más detalles

Herramientas Informáticas para la Documentación Práctica 1. Introducción al navegador Netscape

Herramientas Informáticas para la Documentación Práctica 1. Introducción al navegador Netscape Herramientas Informáticas para la Documentación Práctica 1. Introducción al navegador Netscape Introducción y objetivos De modo muy resumido Internet es una red que interconecta redes de ordenadores. Conectándose

Más detalles

Curso Excel Básico - Intermedio

Curso Excel Básico - Intermedio Curso Excel Básico - Intermedio Clase 4 Relator: Miguel Rivera Adonis Introducción Base de Datos: Definición de Base de Datos Ordenar datos Formulario Filtros Trabajar con Sub-Totales Validación de Datos

Más detalles

Aplicación del diseño OLAP al análisis estadístico. La dimensión encuesta: aplicaciones

Aplicación del diseño OLAP al análisis estadístico. La dimensión encuesta: aplicaciones marial.garcia10@carm.es yolanda.vazquez@carm.es Centro Regional de Estadística de Murcia Resumen: Desde principios de los noventa es cada vez más frecuente el uso de herramientas de Inteligencia Empresarial

Más detalles

Enfoques de desarrollo DW Kimball/Inmon.

Enfoques de desarrollo DW Kimball/Inmon. Enfoques de desarrollo DW Kimball/Inmon. 1 Antecedentes Sistemas de Información Los procesos a automatizar son repetibles y previsibles. Modelado Entidad Relación. Atención en una rápida modificación en

Más detalles

MATERIA: BASE DE DATOS II. GUIA DE LABORATORIO #9. Pág.: 1/ 12 Tema:

MATERIA: BASE DE DATOS II. GUIA DE LABORATORIO #9. Pág.: 1/ 12 Tema: GUIA DE LABORATORIO #9. Pág.: 1/ 12 Tema: Contenido: 1. Objetivos. 2. Entorno teórico. 3. Ejecución de Guía. 4. Actividad Ex aula. 5. Autoevaluación. 6. Bibliografía. Objetivos: Diseño de CUBOS. 1. Desarrolla

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

Programación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal

Programación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Programación Lineal Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Ejemplo: Plan de producción de PROTRAC En esta ficha vamos a comentar cómo se construyó

Más detalles

Ventajas del TPV Las TIC en el comercio minorista de Aragón

Ventajas del TPV Las TIC en el comercio minorista de Aragón Ventajas del TPV 1 Índice 1. Presentación... 3 2. Caja registradora vs TPV... 4 3. Principales ventajas del TPV... 5 4. La imagen de la empresa... 6 5. Perfiles de trabajo... 7 6. Bases de datos: fuentes

Más detalles

Q-flow 3.1: Introducción a Q-flow

Q-flow 3.1: Introducción a Q-flow Q-flow 3.1: Introducción a Q-flow Código del manual: Qf310001ESP Versión: 1.1 Se aplica a: Q-flow 3.1 Última revisión: 13/12/2010 i Q f 3 1 0 0 0 1 E S P v 1. 1 Q - f l o w 3.1 Introducción a Q-flow Urudata

Más detalles

UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN DESCUENTO

UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN DESCUENTO - 1 - UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN Y DESCUENTO Tema 1: Operaciones financieras: elementos Tema 2: Capitalización y descuento simple Tema 3: Capitalización y descuento compuesto Tema

Más detalles

Unidad III Modelamiento Multidimencional. Tecnología DATAWAREHOUSE

Unidad III Modelamiento Multidimencional. Tecnología DATAWAREHOUSE Unidad III Modelamiento Multidimencional Tecnología DATAWAREHOUSE Datawarehouse Colección de datos integrados, variantes en el tiempo, no volátiles, orientados a temas de interés para la gestión de una

Más detalles

Codex.pro. Módulo de gestión económica.

Codex.pro. Módulo de gestión económica. Codex.pro. Módulo de gestión económica. Índice Codex.pro. Módulo de gestión económica...1 Introducción...2 Uso de la aplicación...3 1. Configuración inicial de la aplicación...4 1.1. Centros de coste...4

Más detalles

Aproximación local. Plano tangente. Derivadas parciales.

Aproximación local. Plano tangente. Derivadas parciales. Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación

Más detalles