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,