Las empresas han comenzado a aprovechar los cada vez más numerosos datos en línea para tomar mejores decisiones sobre sus actividades.

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

Download "Las empresas han comenzado a aprovechar los cada vez más numerosos datos en línea para tomar mejores decisiones sobre sus actividades."

Transcripción

1

2 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 las empresas han creado almacenes de datos (Date Warehouse).

3 El término OLAP fue introducido en Agosto de 1993 por el Dr. E.F. Codd y apoyado por Arbor Software Corporation. Definición de Codd: OLAP es un tipo de procesamiento de datos que se caracteriza, entre otras cosas, por permitir el análisis multidimensional

4 Es una solución utilizada en el campo de la llamada Inteligencia empresarial (o Business Intelligence) cuyo objetivo es agilizar la consulta de grandes cantidades de datos. Para ello utiliza estructuras multidimensionales (o Cubos OLAP) que contienen datos resumidos de grandes Bases de datos o Sistemas Transaccionales (OLTP). Se usa en informes de negocios de ventas, marketing, informes de dirección, minería de datos y áreas similares.

5 Dedicado a implementaciones de procesamiento analítico en línea que no dependen de bases de datos relacionales.

6 Consultas rápidas. Ocupa menor tamaño en disco en comparación con los datos almacenados en base de datos relacional Automatización del procesamiento de los datos agregados de mayor nivel. Muy compacto para conjuntos de datos de pocas dimensiones. Eficaz extracción de datos lograda gracias a la pre-estructuración de los datos agregados

7 La etapa de procesamiento (carga de datos) puede ser bastante larga. Algunas herramientas MOLAP tienen dificultades para actualizar y consultar los modelos con hasta cierto número de dimensiones. El enfoque MOLAP introduce redundancia en los datos

8 realiza un análisis dinámico multidimensional de los datos almacenados en una base de datos relacional

9 El usuario envía una solicitud de análisis multidimensional y el motor ROLAP convierte la solicitud a SQL para su presentación a la base de datos. A continuación, la operación se realiza a la inversa: el motor convierte los datos resultantes de SQL a un formato multidimensional antes de que se devuelve al cliente para su visualización.

10 ROLAP se considera más escalable para manejar grandes volúmenes de datos. Hay disponible una gran variedad de herramientas de carga de datos para sistemas relacionales Los datos se almacenan en una base de datos relacional estándar que puede ser accedida por cualquier herramienta de generación de informes SQL.

11 El proceso de carga de tablas agregadas debe ser gestionado por código ETL personalizado Muchos desarrolladores de modelos dimensionales ROLAP ignoran el paso de crear tablas agregadas. Los sistemas ROLAP se construyen sobre bases de datos de propósito general, por lo que hay algunas funcionalidades especiales propias de las herramientas MOLAP que no están disponibles en los sistemas ROLAP.

12 Combina los atributos de MOLAP y ROLAP. En el caso de HOLAP las agregaciones se almacenen en una estructura multidimensional y los datos a nivel detalle se realiza el almacenamiento en una base de datos relacional.

13

14 Los datos suelen ser datos multidimensionales, con atributos de dimensión y atributos de medida

15 Es la tabla principal en un modelo dimensional donde se almacena las medidas de rendimiento numéricos de la empresa

16 Las tablas de dimensiones contienen las descripciones textuales de los negocios

17

18

19 Consta de una tabla de hechos central y de varias tablas de dimensiones relacionadas a esta

20 Posee los mejores tiempos de respuesta. Su diseño es fácilmente modificable. Existe paralelismo entre su diseño y la forma en que los usuarios visualizan y manipulan los datos. Simplifica el análisis. Facilita la interacción con herramientas de consulta y análisis

21 Consta una tabla de hechos central que está relacionada con una o más tablas de dimensiones, quienes a su vez pueden estar relacionadas o no con una o más tablas de dimensiones

22 Posee mayor complejidad en su estructura. Hace una mejor utilización del espacio. Es muy útil en tablas de dimensiones de muchas tuplas. Las tablas de dimensiones están normalizadas, por lo que requiere menos esfuerzo de diseño

23 Si se poseen múltiples tablas de dimensiones, cada una de ellas con varias jerarquías, se creará un número de tablas bastante considerable, que pueden llegar al punto de ser inmanejables. Al existir muchas uniones y relaciones entre tablas, el desempeño puede verse reducido

24 Este modelo está compuesto por una serie de esquemas en estrella, está formado por una tabla de hechos principal ( HECHOS_A ) y por una o más tablas de hechos auxiliares ( HECHOS_B ), las cuales pueden ser sumarizaciones de la principal

25

26 Permite tener más de una tabla de hechos, por lo cual se podrán analizar más aspectos claves del negocio. Contribuye a la reutilización de las tablas de dimensiones. No es soportado por todas las herramientas de consulta y análisis

27 Representa una relación lógica entre dos o más atributos pertenecientes a un cubo multidimensional; siempre y cuando posean su correspondiente relación padre-hijo

28 Slice(Corte). Es el acto de elegir un subconjunto de un cubo rectangular eligiendo un único valor para una de sus dimensiones, la creación de un nuevo cubo con una dimensión menos.

29 Dice. Esta operación produce un subcubo que permite al analista tomar valores específicos de múltiples dimensiones

30 Drill Down / Up. Permite al usuario navegar entre los niveles de datos que van desde el más resumido (arriba) hasta los más detallados (abajo)

31 Pivot. Permite al analista rotar el cubo en el espacio para ver sus caras distintas

32 Kimball Ralph, Ross Margy, The Data Warehouse Toolkit 2da. Edición, The Complete Guide to Dimensional Modeling, John Wiley & Sons, Inc., Thomsen Erik, OLAP Solutions Building Multidimensional Information Systems 2da. Edición, The Complete Guide to Dimensional Modeling, John Wiley & Sons, Inc., Silberschatz Abraham, F. Korth Henry, Sudarshan S., Fundamentos de Bases de Datos 4ta. Edición, Mc. Graw. Hill, Date, C. J., Introducción a los sistemas de bases de datos., Prentice Hall,

OLAP. (OnLine Analytical Processing) I.S.C. Zoraya Catalina Flores Juárez Bases de Datos Otoño, 2012.

OLAP. (OnLine Analytical Processing) I.S.C. Zoraya Catalina Flores Juárez Bases de Datos Otoño, 2012. OLAP (OnLine Analytical Processing) I.S.C. Zoraya Catalina Flores Juárez Bases de Datos Otoño, 2012. Introducción. Las empresas han comenzado a aprovechar los cada vez más numerosos datos en línea para

Más 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

09/01/2009. Diseño e implementación de Datawarehouse con Analysis Services Universidad de Guadalajara. Mario Octavio II Muñoz Camacho

09/01/2009. Diseño e implementación de Datawarehouse con Analysis Services Universidad de Guadalajara. Mario Octavio II Muñoz Camacho 09/01/2009 Diseño e implementación de Datawarehouse con Analysis Services Universidad de Guadalajara Mario Octavio II Muñoz Camacho Diseño e implementación de Datawarehouse con Analysis Services Objetivo.

Más detalles

ANEXO F ARQUITECTURAS DE INTELIGENCIA DE NEGOCIOS

ANEXO F ARQUITECTURAS DE INTELIGENCIA DE NEGOCIOS ANEXO F ARQUITECTURAS DE INTELIGENCIA DE NEGOCIOS 1. Realizado por: Stephanie Herrera Bautista 2. Introducción: 2.1. Propósito: Se busca realizar el planteamiento de las diversas arquitecturas que se pueden

Más detalles

Modelos Multidimensionales con Analysis Services Primeros Pasos

Modelos 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 detalles

Bases de Datos Otoño 2012 Maestría en Ingeniería de Software L.I Yessica Sugeidy Morales Mateo. 22/09/2012 Bases de Datos

Bases de Datos Otoño 2012 Maestría en Ingeniería de Software L.I Yessica Sugeidy Morales Mateo. 22/09/2012 Bases de Datos Bases de Datos Otoño 2012 Maestría en Ingeniería de Software L.I Yessica Sugeidy Morales Mateo 22/09/2012 Bases de Datos 1 Antecedentes A principios de la década de los sesenta, el software de acceso a

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

PROGRAMA DE CURSO. Horas Docencia Horas de Trabajo SCT. Horas de Cátedra Docentes. Personal 6 10 3.0 1.5 5.5

PROGRAMA DE CURSO. Horas Docencia Horas de Trabajo SCT. Horas de Cátedra Docentes. Personal 6 10 3.0 1.5 5.5 PROGRAMA DE CURSO Código Nombre IN5523 DATA WAREHOUSING Nombre en Inglés Data Warehousing es Horas Docencia Horas de Trabajo SCT Horas de Cátedra Docentes Auxiliar Personal 6 10 3.0 1.5 5.5 Requisitos

Más detalles

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

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

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

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) SYLLABO

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) SYLLABO UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA Escuela Académico Profesional de Ingeniería de Sistemas 1. ESPECIFICACIONES

Más detalles

Diseño multidimensional. Jordi Conesa i Caralt Isabel Guitart Hormigo M. Elena Rodríguez González

Diseño multidimensional. Jordi Conesa i Caralt Isabel Guitart Hormigo M. Elena Rodríguez González Diseño multidimensional Jordi Conesa i Caralt Isabel Guitart Hormigo M. Elena Rodríguez González Índice Necesidades de los analistas y herramientas OLAP Multidimensionalidad Diseño lógico Necesidades de

Más 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

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

Prueba de autoevaluación 2

Prueba 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 detalles

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

CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER DURACIÓN DÍAS DE CONEXIÓN 40 horas 60 días CONTACTO: formacion@fgulem.es El Campus Virtual ha sido concebido con una metodología dinámica e

Más detalles

PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR TEMA: AUTOR: DIRECTOR:

PONTIFICIA 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 detalles

Facultad de Ingeniería y Tecnología Informática Licenciatura en Sistemas de Información Plan: 2012 Ciclo: 2014 Programa Analítico Base de Datos II

Facultad de Ingeniería y Tecnología Informática Licenciatura en Sistemas de Información Plan: 2012 Ciclo: 2014 Programa Analítico Base de Datos II 1. OBJETIVOS: Lograr que los alumnos conozcan los componentes y la arquitectura de las bases de datos relacionales. Brindar un curso internacionalmente actualizado respecto del ámbito académico, así como

Más detalles

Modelos Multidimensionales con Analysis Services Primeros Pasos

Modelos 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 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

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

Introducción a las Bases de Datos

Introducción a las Bases de Datos Introducción a las Bases de Datos Organización lógica de los datos Sistemas basados en archivos Concepto intuitivo de base de datos Sistemas gestores de bases de datos Definición Características y ventajas

Más detalles

Comparing the MOLAP the ROLAP storage models

Comparing the MOLAP the ROLAP storage models REVISTA INGENIERÍA E INVESTIGACIÓN VOL. 26 No.3, DICIEMBRE DE 2006 (135-142) Análisis del modelo de almacenamiento MOLAP frente al modelo de almacenamiento ROLAP Comparing the MOLAP the ROLAP storage models

Más detalles

Facultad de Ciencias Económicas. Departamento de Sistemas. Asignatura: INTELIGENCIA DE NEGOCIOS. Plan 1997

Facultad de Ciencias Económicas. Departamento de Sistemas. Asignatura: INTELIGENCIA DE NEGOCIOS. Plan 1997 UNIVERSIDAD DE BUENOS AIRES Facultad de Ciencias Económicas Departamento de Sistemas Asignatura: INTELIGENCIA DE NEGOCIOS Código: 715 Plan 1997 Cátedra: DEPARTAMENTO DE SISTEMAS Carrera: Licenciado 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

Decision Support System (DDS)

Decision Support System (DDS) Sistemas de Soporte a la toma de Decisiones Decision Support System (DDS) Decision Support System (DDS) Son aquellos que, mediante el uso de reglas de procesamiento de datos basadas en lógica, en combinación

Más 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

OBJETIVO GENERAL: Al terminar el curso el alumno será capaz de analizar, diseñar e implementar bases de datos distribuidas

OBJETIVO GENERAL: Al terminar el curso el alumno será capaz de analizar, diseñar e implementar bases de datos distribuidas PLAN DE ESTUDIOS 2008 LICENCIADO EN INFORMÁTICA FACULTAD DE CONTADURÍA, ADMINISTRACIÓN E INFORMÁTICA ASIGNATURA: BASE DE DATOS III ÁREA DEL CONOCIMIENTO: TRATAMIENTO DE LA INFORMACIÓN CLAVE: I6BD3 ETAPA

Más detalles

PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR FACULTAD DE INGENIERÍA ESCUELA DE SISTEMAS DISERTACIÓN DE TESIS PREVIO A LA OBTENCIÓN DEL TÍTULO DE

PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR FACULTAD DE INGENIERÍA ESCUELA DE SISTEMAS DISERTACIÓN DE TESIS PREVIO A LA OBTENCIÓN DEL TÍTULO DE PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR FACULTAD DE INGENIERÍA ESCUELA DE SISTEMAS DISERTACIÓN DE TESIS PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERO EN SISTEMAS GUÍA PARA IMPLEMENTAR UNA SOLUCION

Más detalles

7515 - Base de Datos PLANIFICACIONES Actualización: 1ºC/2013. Planificaciones. 7515 - Base de Datos. Docente responsable: ALE JUAN MARIA.

7515 - Base de Datos PLANIFICACIONES Actualización: 1ºC/2013. Planificaciones. 7515 - Base de Datos. Docente responsable: ALE JUAN MARIA. Planificaciones 7515 - Base de Datos Docente responsable: ALE JUAN MARIA 1 de 7 OBJETIVOS Proveer al alumno los elementos básicos de la tecnología de bases de datos que le permitan tanto diseñar y administrar

Más detalles

METODOLOGÍA HÍBRIDA PARA EL DISEÑO Y LA CONSTRUCCIÓN DEL DATA WAREHOUSE PARA EL PROGRAMA DE REHABILITACIÓN AMBIENTAL Y SOCIAL EN ECUADOR

METODOLOGÍA HÍBRIDA PARA EL DISEÑO Y LA CONSTRUCCIÓN DEL DATA WAREHOUSE PARA EL PROGRAMA DE REHABILITACIÓN AMBIENTAL Y SOCIAL EN ECUADOR Recepción: 30 de julio de 2015 Aceptación: 05 de febrero de 2016 Publicación: 22 de febrero de 2016 METODOLOGÍA HÍBRIDA PARA EL DISEÑO Y LA CONSTRUCCIÓN DEL DATA WAREHOUSE PARA EL PROGRAMA DE REHABILITACIÓN

Más detalles

Programa Internacional Business Intelligence

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

Más detalles

Módulo de Inteligencia de Negocio en un sistema de control de la producción en plantas de generación de energía distribuida.

Módulo de Inteligencia de Negocio en un sistema de control de la producción en plantas de generación de energía distribuida. Módulo de Inteligencia de Negocio en un sistema de control de la producción en plantas de generación de energía distribuida. Autores: Carlos Javier Quintero Blanco, Universidad de las Ciencias Informáticas,

Más detalles

Bases de Datos Masivas

Bases 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 detalles

Sistemas de Información Orientados a la Toma de Decisiones: el enfoque multidimensional

Sistemas de Información Orientados a la Toma de Decisiones: el enfoque multidimensional Isabel Dapena Bosquet Ingeniera Informática del ICAI (Promoción ). En ingresó en el Instituto de Investigación Tecnológica como Investigadora en Formación, donde desarrolla su actividad en el Área de Sistemas

Más detalles

La metodología de Kimball para el diseño de almacenes de datos (Data warehouses)

La metodología de Kimball para el diseño de almacenes de datos (Data warehouses) Rivadera: La Metodología de Kimball para el Diseño de almacenes La metodología de Kimball para el diseño de almacenes de datos (Data warehouses) Gustavo R. Rivadera * grivadera@ucasal.net Resumen Los almacenes

Más detalles

Academia de la carrera de Licenciatura Informática del Instituto Tecnológico Aguascalientes

Academia de la carrera de Licenciatura Informática del Instituto Tecnológico Aguascalientes 1. DATOS DE LA ASIGNATURA Nombre de la Asignatura: Sistemas de Soporte a la Decisión Carrera: Licenciatura en Informática Clave de la asignatura: IFS-0406 Horas teoría - horas práctica - créditos: 4-2-10

Más detalles

Bases de Datos II. Programa de la Asignatura:

Bases de Datos II. Programa de la Asignatura: Programa de la Asignatura: Bases de Datos II Código: 761 Carrera: Ingeniería en Computación Plan:2008 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Tercer Año Segundo cuatrimestre

Más detalles

Universidad de las Americas

Universidad de las Americas Universidad de las Americas Facultad de Ingeniería de Sistemas Data Warehouse Corporativo Aplicado a Procesos de Análisis Comercial Trabajo de titulación presentado en conformidad a los requisitos Para

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

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

ASIGNATURA: Tecnologías de Información y Comunicación II

ASIGNATURA: Tecnologías de Información y Comunicación II ASIGNATURA: Tecnologías de Información y Comunicación II 53 HORAS DESCRIPCIÓN DE LA ASIGNATURA: Esta asignatura proporciona al alumno las competencias y herramientas teóricas necesarias para la aplicación

Más detalles

Inteligencia de Negocios

Inteligencia de Negocios Inteligencia de Negocios Las herramientas de exploración: El análisis multidimensional, el reporte y distribución pro activa. 1 Esquema de la clase 1. Distintos tipos de necesidades de información 2. Herramientas

Más detalles

La Inteligencia de Negocios: Etapas del proceso

La Inteligencia de Negocios: Etapas del proceso Resumen La Inteligencia de Negocios: Etapas del proceso La explotación y el aprovechamiento del conocimiento generado en las organizaciones se convierten en la ventaja competitiva, factor diferenciador

Más detalles

Realidad y Valor en SAP HANA BI 2016 SAPIMSA 1

Realidad y Valor en SAP HANA BI 2016 SAPIMSA 1 Realidad y Valor en SAP HANA BI 2016 SAPIMSA 1 SAP HANA SAP BW on HANA Caso de Éxito Prueba de Concepto 2016 SAPIMSA 2 Oportunidades Speed GPS Emails Explosión de Información Mobile Inventarios Planificación

Más detalles

Introducción a la Minería de Datos y el Data Warehousing

Introducción a la Minería de Datos y el Data Warehousing Introducción a la Minería de Datos y el Data Warehousing Sergio R. Coria E-mail: sergio@mineriadedatos.com.mx Resumen. Para hallar patrones significativos en grandes volúmenes de datos se ha usado inicialmente

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN LICENCIATURA EN INFORMÁTICA

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN LICENCIATURA EN INFORMÁTICA UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN LICENCIATURA EN INFORMÁTICA PROGRAMA DE LA ASIGNATURA DE: Introducción a las Bases de Datos IDENTIFICACIÓN DE LA ASIGNATURA

Más detalles

Mercado de datos para la dirección de cuadros de la Administración Provincial de Artemisa

Mercado de datos para la dirección de cuadros de la Administración Provincial de Artemisa Tipo de artículo: Artículo original Temática: Tecnologías de bases de datos Recibido: 7/01/2013 Aceptado: 1/03/2013 Mercado de datos para la dirección de cuadros de la Administración Provincial de Artemisa

Más detalles

Diseño de un Datawarehouse, para análisis de información en ciencia y tecnología, en el estado de Baja California, México.

Diseño de un Datawarehouse, para análisis de información en ciencia y tecnología, en el estado de Baja California, México. Diseño de un Datawarehouse, para análisis de información en ciencia y tecnología, en el estado de Baja California, México. Dra. Margarita Ramírez Ramírez Facultad de Contaduría y Administración, Universidad

Más detalles

La metodología de Kimball.

La metodología de Kimball. La metodología de Kimball. Resumen Los almacenes de datos (data warehouses en inglés) toman cada día mayor importancia, a medida que las organizaciones pasan de esquemas de sólo recolección de datos a

Más detalles

SILABO DE TOMA DE DECISIONES

SILABO DE TOMA DE DECISIONES SILABO DE TOMA DE DECISIONES I. DATOS GENERALES 1.1. Carrera Profesional : Ingeniería de Sistemas 1.2. Área Académica : Ingeniería de Sistemas 1.3 Ciclo : VII 1.4. Semestre : 2014-I 1.5. Prerrequisito

Más detalles

Área Académica: Sistemas Computacionales. Profesor: Felipe de Jesús Núñez Cárdenas

Área Académica: Sistemas Computacionales. Profesor: Felipe de Jesús Núñez Cárdenas Área Académica: Sistemas Computacionales Tema: Sistemas ROLAP y MOLAP Profesor: Felipe de Jesús Núñez Cárdenas Periodo: Agosto Noviembre 2011 Keywords: ROLAP, MOLAP,HOLAP Tema: Sistemas ROLAP y MOLAP Abstract

Más detalles

Bases de Datos UN IVERSIDAD N AC IONAL D E MISIONES FACULTAD IENCIAS EXACTAS, QUÍMICAS Y NATURALES

Bases 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 detalles

UNIVERSIDAD NACIONAL DE CHIMBORAZO FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN

UNIVERSIDAD NACIONAL DE CHIMBORAZO FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN UNIVERSIDAD NACIONAL DE CHIMBORAZO FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN Trabajo de grado previo a la obtención del Título de Ingeniero en Sistemas y Computación. TRABAJO

Más detalles

Bodega de datos para Unicauca Virtual: Una primera visión

Bodega de datos para Unicauca Virtual: Una primera visión Bodega de datos para Unicauca Virtual: Una primera visión -DLPH0XxR] Estudiante Ingeniería de Sistemas jaimem@unicauca.edu.co /LVDQGUR$FRVWD Estudiante Ingeniería de Sistemas lisandroam@unicauca.edu.co

Más detalles

DATAMART PASO A PASO WWW.RUEDATECNOLOGICA.COM

DATAMART PASO A PASO WWW.RUEDATECNOLOGICA.COM DATAMART PASO A PASO WWW.RUEDATECNOLOGICA.COM Historial de revisiones Versión Fecha Autor: Descripción del cambio 1.0 31/08/2007 Rayner Huamantumba. Manual para diseño y desarrollo de Datamart INDICE 1-

Más detalles

Business Intelligence.

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

Más detalles

Instituto de Estadística Universidad de Puerto Rico Recinto de Río Piedras PRONTUARIO

Instituto de Estadística Universidad de Puerto Rico Recinto de Río Piedras PRONTUARIO Instituto de Estadística Universidad de Puerto Rico Recinto de Río Piedras PRONTUARIO I. Título del Curso SICI 4215 Inteligencia Analítica de Negocios (Business Intelligence and Analytics) II. Descripción

Más detalles

Bases de datos para toma de decisiones

Bases de datos para toma de decisiones 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Bases de datos para toma de decisiones Lic. en Informática 3-2-8 2.- HISTORIA DEL

Más detalles

XIV COLOQUIO INTERNACIONAL SOBRE GESTION UNIVERSITARIA La gestión del conocimiento y los nuevos modelos de Universidades

XIV COLOQUIO INTERNACIONAL SOBRE GESTION UNIVERSITARIA La gestión del conocimiento y los nuevos modelos de Universidades XIV COLOQUIO INTERNACIONAL SOBRE GESTION UNIVERSITARIA La gestión del conocimiento y los nuevos modelos de Universidades Florianópolis, 3 al 5 de Diciembre de 2014 CIGU2014 AREA TEMATICA 9 SISTEMAS DE

Más detalles

Cuadrante Mágico de Gartner para BI 2013 vs. 2014

Cuadrante 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 detalles

Características Técnicas Generales para proveer Software de Business Intelligence, BI

Características Técnicas Generales para proveer Software de Business Intelligence, BI Características Técnicas Generales para proveer Software de Business Intelligence, BI Superintendencia de Bancos e Instituciones Financieras, diciembre 2005 1 Descripción. Adquirir licencias de uso de

Más detalles

BDF-1502 3-2 5. SATCA 1 : Carrera:

BDF-1502 3-2 5. SATCA 1 : Carrera: 1. Datos Generales de la asignatura Nombre de la asignatura: Bases De Datos Multidimensionales Clave de la asignatura: SATCA 1 : Carrera: BDF-1502 3-2 5. Ingeniería en Sistemas Computacionales 2. Presentación

Más detalles

Alicia Iriberri Dirección de Tecnologías de Información. I.- Definición del foco estratégico

Alicia Iriberri Dirección de Tecnologías de Información. I.- Definición del foco estratégico Alicia Iriberri Dirección de Tecnologías de Información I.- Definición del foco estratégico II.- Establecimiento de mediciones a través del Balanced Scorecard (Tablero de Comando) III.- Despliegue del

Más detalles

Adjunto al presente le enviamos las fichas técnicas correspondientes a estos cursos. Jorge Cuevas Gerente de Formación

Adjunto al presente le enviamos las fichas técnicas correspondientes a estos cursos. Jorge Cuevas Gerente de Formación México, D.F., a 17 de Septiembre de 2012 Estimados, Lic. Raúl González Lic. Andrés Simón Bujaidar Mexico FIRST El objeto de la presente, es para informarle que respondiendo a las necesidades del mercado,

Más detalles

CAPÍTULO 4 IMPLEMENTACIÓN DE SARP. Este capítulo describe los detalles de la implementación de SARP. Una vez explicado el

CAPÍTULO 4 IMPLEMENTACIÓN DE SARP. Este capítulo describe los detalles de la implementación de SARP. Una vez explicado el CAPÍTULO 4 IMPLEMENTACIÓN DE SARP Este capítulo describe los detalles de la implementación de SARP. Una vez explicado el diseño del sistema SARP (ver Capítulo 3) es posible realizar su implementación.

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

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

id_trabajador nombre tarifa_hr tipo_de_oficio id_supv 1235 F. Aguilera 12,50 Electricista A. Calvo 13,75 Fontanero N.

id_trabajador nombre tarifa_hr tipo_de_oficio id_supv 1235 F. Aguilera 12,50 Electricista A. Calvo 13,75 Fontanero N. El modelo relacional Fundamentos de diseño de bases de datos El modelo relacional Bases de datos relacionales El concepto de relación Esquema de la base de datos Instancia de la base de datos Restricciones

Más detalles

2796 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 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 detalles

INTELIGENCIA DE NEGOCIOS: GESTIÓN ESTRATÉGICA DE LA INFORMACIÓN

INTELIGENCIA DE NEGOCIOS: GESTIÓN ESTRATÉGICA DE LA INFORMACIÓN Centro Integral de Educación Continua (CIEC) Curso de Educación Continua (CEC) INTELIGENCIA DE NEGOCIOS: GESTIÓN ESTRATÉGICA DE LA INFORMACIÓN Del 21 de julio al 25 de agosto de 2015 Martes y jueves de

Más detalles

Materia requisito: DOMINIOS COGNITIVOS (Objetos de estudio, temas y subtemas) I. INTRODUCCION A LAS BASES DE DATOS

Materia requisito: DOMINIOS COGNITIVOS (Objetos de estudio, temas y subtemas) I. INTRODUCCION A LAS BASES DE DATOS UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H Clave:08USU4053W FACULTAD DE INGENIERÍA DES: Ingeniería Programa(s) Educativo(s): Ingeniería en Ciencias de la Computación Tipo de materia: Obligatoria

Más detalles

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

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

Más detalles

NEGOCIOS INTELIGENTES.

NEGOCIOS INTELIGENTES. NEGOCIOS INTELIGENTES. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Negocios Inteligentes Ingeniería en Sistemas Computacionales

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

BI Data Warehouse. Índice UTN FRRO - SISTEMAS DE GESTION II

BI Data Warehouse. Índice UTN FRRO - SISTEMAS DE GESTION II Índice ÍNDICE...2 RESUMEN...3 INTRODUCCIÓN...5 DATOS OPERACIONALES Y DATOS INFORMATIVOS...6 DATA WAREHOUSE...7 SISTEMAS DE SOPORTE DE DECISIONES...8 INTELIGENCIA DE NEGOCIO...8 PROBLEMAS QUE DAN ORIGEN

Más detalles

CONSTRUCCIÓN DEL MODELO DE VENTAS MULTIDIMENSIONAL BASADO EN LA INFORMACIÓN HISTÓRICA DE LA ORGANIZACIÓN TDM TRANSPORTES S.A.S.

CONSTRUCCIÓN DEL MODELO DE VENTAS MULTIDIMENSIONAL BASADO EN LA INFORMACIÓN HISTÓRICA DE LA ORGANIZACIÓN TDM TRANSPORTES S.A.S. CONSTRUCCIÓN DEL MODELO DE VENTAS MULTIDIMENSIONAL BASADO EN LA INFORMACIÓN HISTÓRICA DE LA ORGANIZACIÓN TDM TRANSPORTES S.A.S. HAROLD DARIO JIMENEZ ARBELAEZ DANNE ARLEY RAMIREZ ZAPATA ASESOR: JOSE EUCARIO

Más detalles

Implementación Indicadores de Gestión Cuantitativos y Cualitativos en Almacenes de Datos

Implementación Indicadores de Gestión Cuantitativos y Cualitativos en Almacenes de Datos Implementación Indicadores de Gestión Cuantitativos y Cualitativos en Almacenes de Datos Angélica Urrutia (1), Marcela Varas (2) 1Universidad Católica del Maule, Chile, aurrutia@ucm.cl 2Universidad de

Más detalles

Tecnologías de la Información en la Gestión Empresarial

Tecnologías de la Información en la Gestión Empresarial Tecnologías de la Información en la Gestión Empresarial 1 Sesión No.8 Nombre: Procesos de Negocio y Gestión en Business Intelligence Objetivo: Al término de la sesión, el alumno ilustrará un proceso de

Más detalles

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

=drð^=al`bkqb= qfqri^`flkbp=ab=do^al=

=drð^=al`bkqb= qfqri^`flkbp=ab=do^al= = =drð^=al`bkqb= qfqri^`flkbp=ab=do^al= TITULACIÓN: INGENIERIA DE SISTEMAS DE INFORMACION CURSO: 2014/2015 ASIGNATURA: Almacenes de Datos Nombre del Módulo o Materia al que pertenece la asignatura. Gestión

Más detalles

DISEÑO BASE DE DATOS I. Propósito del Curso : Al final del curso el estudiante: Ingeniería Ingeniería en Sistemas. Hardware. Clave de la materia: 643

DISEÑO BASE DE DATOS I. Propósito del Curso : Al final del curso el estudiante: Ingeniería Ingeniería en Sistemas. Hardware. Clave de la materia: 643 UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: DISEÑO I DES: Ingeniería Ingeniería en Sistemas Programa(s) Educativo(s): Computacionales

Más detalles

GUÍA DOCENTE DE LA ASIGNATURA

GUÍA DOCENTE DE LA ASIGNATURA Grado en Ingeniería Informática ( Optativa ) GUÍA DOCENTE DE LA ASIGNATURA G665 - Desarrollo de Sistemas de Información Curso Académico 2012-2013 1 1. DATOS IDENTIFICATIVOS DE LA ASIGNATURA Título/s Centro

Más detalles

ESCUELA SUPERIOR POLITECNICA DEL LITORAL

ESCUELA SUPERIOR POLITECNICA DEL LITORAL Sistemas de Toma de Decisiones UNIDAD ACADÉMICA: CARRERA: ESPECIALIZACIÓN: ÁREA: TIPO DE MATERIA: EJE DE FORMACIÓN: Facultad de Ingeniería en Electricidad y Computación Ingeniería en Ciencias Computacionales

Más detalles

XII Encuentro Danysoft en Microsoft Abril 2015. Business Intelligence y Big Data XII Encuentro Danysoft en Microsoft Directos al código

XII Encuentro Danysoft en Microsoft Abril 2015. Business Intelligence y Big Data XII Encuentro Danysoft en Microsoft Directos al código Business Intelligence y Big Data XII Encuentro Danysoft en Microsoft Directos al código Ana María Bisbé York Servicios Profesionales sp@danysoft.com 916 638683 www.danysoft.com Abril 2015 Sala 1 SQL Server

Más detalles

Otra Otr s a técni n c i a c s a de Diseño: BDD, Datawarehouse

Otra Otr s a técni n c i a c s a de Diseño: BDD, Datawarehouse Otras técnicas de Diseño: BDD, Datawarehouse Índice Bases de Datos Distribuidas Definición Objetivo Técnicas de Diseño Almacenes de Datos Definición de BD Distribuida BD que no esta almacenada en una única

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

Curso Implementing Data Models and Reports with Microsoft SQL Server 2014 (20466)

Curso Implementing Data Models and Reports with Microsoft SQL Server 2014 (20466) Curso Implementing Data Models and Reports with Microsoft SQL Server 2014 (20466) Programa de Estudio Curso Implementing Data Models and Reports with Microsoft SQL Server 2014 (20466) Aprende a potenciar

Más detalles

Virtual 100%. Disponibilidad del aula 24 horas. Servidores Universidad El Bosque. $1 000.000 (Un Millón de Pesos)

Virtual 100%. Disponibilidad del aula 24 horas. Servidores Universidad El Bosque. $1 000.000 (Un Millón de Pesos) División de Educación Continuada Facultad de Ingeniería Programa de Ingeniería de Sistemas Diplomado Business Intelligence and Data Mining Dirigido a: Profesionales en Ingeniería de Sistemas, Ingeniería

Más detalles

SERVICIO NACIONAL DE APRENDIZAJE SENA

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

Más detalles

UNIVERSIDAD DEL AZUAY

UNIVERSIDAD DEL AZUAY UNIVERSIDAD DEL AZUAY FACULTAD CIENCIAS DE LA ADMINISTRACIÓN ESCUELA DE INGENERIA EN SISTEMAS Construcción de un Data Warehouse, a través de la herramienta Bussiness Intelligence de ORACLE, para la aplicación

Más detalles

>> Tecnologías clave << Captura de de información. Infraestructura. Técnicas de de Prototipado rápido

>> Tecnologías clave << Captura de de información. Infraestructura. Técnicas de de Prototipado rápido es una de diseño e implementación de avanzadas de software de Inteligencia Artificial, desarrollada por ITAINNOVA. Permite resolver diferentes problemáticas de negocio con volúmenes de (BIG DATA). Con

Más detalles

DESARROLLO DE UNA APLICACIÓN DE BUSINESS INTELLIGENCE (BI) PARA LA EMPRESA EMPAQPLAST

DESARROLLO DE UNA APLICACIÓN DE BUSINESS INTELLIGENCE (BI) PARA LA EMPRESA EMPAQPLAST DESARROLLO DE UNA APLICACIÓN DE BUSINESS INTELLIGENCE (BI) PARA LA EMPRESA EMPAQPLAST Byron Alejandro Boada Vargas-Machuca, Alvaro Arturo Tituaña Burgos, Ing. Lorena Duque, Ing. Patricio Reyes. RESUMEN

Más detalles

UNIVERSIDAD NACIONAL DE INGENIERIA

UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS ESCUELA DE INGENIERIA DE SISTEMAS MEJORA DEL PROCESO DE MONITOREO Y CONTROL DE OPERACIONES DE LA MENSAJERÍA LOCAL EN UNA COURIER UTILIZANDO UNA SOLUCIÓN

Más detalles

UNIVERSIDAD DR. JOSE MATIAS DELGADO

UNIVERSIDAD DR. JOSE MATIAS DELGADO NOMBRE DE LA ASIGNATURA: BASE DE DATOS 1 a. Generalidades Número de Orden: 19 Código: BDA1 Duración del Ciclo en Semanas: 16 Ciclo Académico: IV Duración/Hora Clase: 50 minutos Prerrequisito (s): PRC 1

Más detalles

DATATUR Almacén de Datos para el Análisis y Difusión de la Información Estadística del Turismo en España

DATATUR Almacén de Datos para el Análisis y Difusión de la Información Estadística del Turismo en España DATATUR Almacén de Datos para el Análisis y Difusión de la Información Estadística del Turismo en España Jorge Rubio Navarro 1 José Manuel Salinas 2 1. Subdirector General Adjunto de Promoción Turística

Más detalles

PROPUESTA PARA TRABAJO DE GRADO

PROPUESTA PARA TRABAJO DE GRADO PROPUESTA PARA TRABAJO DE GRADO Ingeniería de Sistemas TÍTULO Metodología para la implementación de una herramienta de análisis de información soportada en OLAP desde los datos recopilados desde un CRM

Más detalles