TEMA 36: Herramientas de análisis de la información. OLTP y OLAP. Sistemas EIS y DSS. Data WareHouse. DataMining.
|
|
- Lorena García Cruz
- hace 6 años
- Vistas:
Transcripción
1 Tema 36: Herramientas de análisis de la información. TEMA 36: Herramientas de análisis de la información. OLTP y OLAP. Sistemas EIS y DSS. Data WareHouse. DataMining. Índice 1 INTRODUCCIÓN 1 2 HERRAMIENTAS DE AYUDA A LA TOMA DE DECISIONES DSS Decisión Suport System EIS Executive Information System ENTORNOS OLTP Y OLAP OLTP On-line Transaction Processing OLAP On-line Analitycal Process DATA WAREHOUSE La arquitectura de un data Warehouse es: Sistema de consolidación Modelo de Datos Corporativo La base de datos OLAP Datos multidimensionales Tecnologías para entornos Datawarehouse MINERIA DE DATOS -DATA MINING Utilización de la Minería de Datos Fases del proceso de minería de datos Técnicas en Minería de Datos IMPACTO DE LAS TECNOLOGÍAS DE ANÁLISIS DE DATOS 10 1 Introducción Las grandes organizaciones, como bancos, administraciones públicas, multinacionales, etcétera, gestionan y almacenan grandes cantidades de información. Esta información se encuentra almacenada en sus sistemas informáticos dentro de un conjunto de bases de datos heterogéneas e independientes. Los mandos directivos necesitan analizar toda esta información para poder tomar decisiones correctas. El análisis de la información es difícil por el gran volumen de datos que manejan estas organizaciones y por su complejidad. Por ello, han surgido diferentes herramientas de ayuda en el análisis de la información de una organización. Página 1 de 11
2 2 Herramientas de ayuda a la toma de decisiones Son aplicaciones de análisis de datos que aparecen con las primeras BBDD. Son aplicaciones diseñadas para proporcionar información analítica de la organización a los directivos. Informan del funcionamiento de los procesos internos de la organización y de sus relaciones con el exterior. Sus ventajas son: Proporciona información exacta y actualizada. Acceso instantáneo, o muy rápido, a la información. Permite calcular información más compleja que con aplicaciones de gestión. Estas ventajas permiten que los directivos puedan estar mejor informados a la hora de tomar decisiones. Estas aplicaciones se agrupan en las denominadas aplicaciones DSS Sistemas de soporte a decisiones-, siendo las EIS Sistemas de información a ejecutivos- el tipo de DSS más común. 2.1 DSS Decisión Suport System- Las aplicaciones DSS ayudan a la toma de decisiones por parte de la directiva de una organización, proporcionándoles datos analíticos sobre la organización y su funcionamiento. Se diferencian de las aplicaciones de gestión como los ERP, en que integran toda la información de la organización, incluida información histórica, y son muy flexibles a la hora de proporcionar información. Los sistemas de DSS se utilizan para predecir el resultado de posibles decisiones dentro de la organización. El DSS contiene un modelo abstracto la organización sobre la que se trabaja, denominado modelo de decisión. Por ejemplo: Un modelo de la ubicación de los productos y las compras de los clientes de una cadena de supermercados. El usuario, ante una decisión, presenta una serie de alternativas a la misma al sistema que calcula el resultado óptimo para cada alternativa. Las alternativas se especifican estableciendo valores para las variables del modelo. En cada alternativa, existen unas variables incontrolables por el sistema, a la que se le pasan unos valores fijos, y unas variables de decisión sobre las cuales el sistema trabaja. Para un determinado valor de las variables, el modelo tiene un valor resultado. Var. Resultado = modelo de decisión (variables de decisión, variables incontrolables). Las variables de decisión para cada alternativa se adoptan buscando obtener el mejor valor resultado. La mejor alternativa será la que tenga mejor valor resultado. En la práctica los modelos de decisión adoptan muchas formas diferentes, que van desde una simple ecuación matemática a complejas modelos de simulación o sistemas expertos. Muchos sistemas DSS incorporan tecnologías de Inteligencia Artificial. Pag
3 Un sistema DSS se compone de: 1. Una base de datos de conocimiento: Almacena la información sobre la organización. Esta información puede proceder de diversos orígenes. Se usan en entornos OLAP 2. Un sistema gestor de modelos: Se ocupa de representar los hechos que aparecen en la BBDD de conocimientos utilizando modelos diferentes. 3. Un sistema gestor del diálogo: Se trata de la interfaz de usuario; es el componente que permite a un usuario interactuar con el sistema. Los sistemas DSS dos sistemas más comunes son: 1. Los Sistemas de Información Ejecutiva (EIS): Los explicará posteriormente. 2. Los Sistemas expertos basados en inteligencia artificial: Son los sistemas que utilizan el conocimiento almacenado de la organización para resolver problemas concretos. Usan técnicas de DataMining 2.2 EIS Executive Information System- Los Sistemas de información de un ejecutivo son aplicaciones que proveen de información estratégica a los directivos de una organización. Proporcionan acceso directo on-line a la información relevante de una forma útil, garantizando que la información es exacta y actualizada. Un EIS difiere de un sistema de información tradicional en los siguientes aspectos: Está específicamente diseñado para satisfacer las necesidades de los directivos. Proporcionan información de fuentes variadas, tanto internas como externas. Proporciona herramientas de análisis on-line que incluyen análisis de tendencias, informes de excepciones... Son de fácil uso. Son empleados por los directivos sin necesidad de asistencia técnica. Instrumentos básicos utilizados para mostrar la información son: 1. Informes de resumen: La presentación de información resumida es el medio más ampliamente utilizado para mostrar datos de forma útil. Se suelen emplear técnicas estadísticas para el análisis y la agrupación de los datos. 2. Consultas ad hoc. El usuario establece la fuente de los datos, los criterios de selección y los campos buscados al sistema que calcula los datos. La consulta se utiliza utilizando lenguajes de consulta (como SQL) o herramientas gráficas. 3. Informes de excepción. La información de excepción se considera como un técnica en el que el sistema realiza consultas permanentemente con el objetivo de detectar condiciones que el usuario ha establecido como excepciones. Generalmente las excepciones se definen respeto a variables cuantitativas. 4. Informes gráficos: La representación gráfica permite mostrar la información de forma clara, intuitiva y sintética. Pag
4 3 Entornos OLTP y OLAP Dentro de una organización encontramos dos tipos de entornos de gestión de datos que se diferencian en el uso que se realiza de los datos. 3.1 OLTP On-line Transaction Processing Define el comportamiento habitual de un entorno operacional de gestión de datos. Un entorno en que se almacenan y usan los datos de las operaciones diarias de la organización. Suelen estar constituidos por bases de datos y sistemas on-line optimizados para el manejo de un gran número de registros, normalmente, usados de uno en uno. Un ejemplo de sistema OLTP, sería la aplicación de un punto de venta de un supermercado, en la que se almacenan las operaciones de venta realizadas. Las transacciones se realizan desde diferentes cajeros, y se almacenan en una misma base de datos on-line. Las características de este entorno son: Transacciones rápidas de todo tipo. (Altas, bajas, modificaciones y consultas) Consultas rápidas, escuetas y predecibles. BBDD con poco volumen de información (del orden de Megabytes - Gigabytes) Gran nivel de concurrencia en la BBDD. (Muchos usuarios) De la información almacenada en las bases de datos OLTP puede obtenerse información analítica, pero su uso para esta funciones tiene los inconvenientes siguientes: Bajo rendimiento: Las bbdd OLTP están diseñadas y configuradas para realizar eficientemente las operaciones inserción y modificación. Las operaciones están repartidas en muchas tablas y la organización de las mismas sigue criterios operativos, como por ejemplo la situación geográfica de sus usuarios. Todo esto provoca que estas bbdd no sean apropiadas para realizar las operaciones que necesita el análisis de datos. Heterogeneidad: Una organización suelen tener una gran variedad de bbdd de donde almacenan los datos operativos. El modelo de los datos y el formato de representación de los datos varían entre los BBDD. La multiplicidad de los datos suele provocar inconsistencias. 3.2 OLAP On-line Analitycal Process Es el entorno en que se analiza la información contenida en los sistemas de información para obtener información estratégica y táctica que sirva como soporte a la toma de decisiones. Sus características son: Sólo se realizan consultas. Éstas son pesadas, pues manejan gran cantidad de información, y son impredecibles. Almacenan información histórica de la organización. Los datos ofrecen una organización jerarquizada y multidimensional. Las BBDD deben poder almacenar gran cantidad de información (alcanzan los Terabytes) La actualización de los datos se realiza vía Batch Pag
5 Las características diferentes de los dos tipos de entorno de gestión de los datos hace que no sea viable para una organización utilizar una misma base de datos para ambos. Pues la organización de los datos para cada entorno es diferente. 4 Data Warehouse El Data Warehouse es un repositorio de datos dónde se almacenan de forma centralizada los datos de la organización y permite disponer de un único modelo de trabajo sobre estos datos. Está especialmente indicado para el análisis de datos: estudiar escenarios posibles, comparar unos datos en función de otros... El Data Warehouse es el sistema de almacenamiento destinado a ser utilizado en los entornos OLAP. Sus características son: Los datos tiene una organización conceptual por temas en vez de adoptar una organización dependiente de su uso operacional. Está integrado: Los datos son consistentes en lo que se refiere a su representación y almacenamiento. Se organizan en un solo modelo de datos. Almacena información temporal de los datos: Los datos almacenados muestran una imagen estática del estado de la organización en cada momento. No es volátil: Los usuarios no pueden modificar ni eliminar la información almacenada. Existe una versión reducida de los DataWarehouse que maneja menos volumen de datos y menos dimensiones. Son los DataMarts, repositorios de datos departamentales orientados a mantener información táctica de un área de negocio. 4.1 La arquitectura de un data Warehouse es: OLTP Data Mining OLTP Sistema de consolidación OLAP DSS Usuarios... OLTP Fuentes de datos Aplicaciones de análisis de datos Elementos del Data Warehouse: Fuentes de datos : Los datos almacenados provienen de los entornos operativos OLTP de la organización y de fuentes externas. Estos proveedores tienen características heterogéneas. Sistema de consolidación: Es el encargado de agregar los datos provenientes de las bbdd OLTP a la bbdd OLAP. Pag
6 BBDD OLAP. Repositorio de los datos de la organización. Los datos están organizados según un único modelo corporativo. Aplicaciones de análisis: Son las aplicaciones que utilizan la información almacenada en el data Warehouse para proveer de datos tácticos y estratégicos a la organización. 4.2 Sistema de consolidación Es el conjunto de procesos encargado de agregar información al Data Warehouse. Realiza las siguientes tareas: Identificación de las fuentes de datos: Determina a que sistemas hay que acceder para recopilar los datos buscados. Limpieza de los datos: Busca y corrige las inconsistencias, errores, repeticiones o cualquier otra anomalía presente en los datos. Conversión de formatos: Los datos se convierten a un único formato de representación. Migración y carga: Los datos limpios y homogéneos son agregados a la BBDD OLAP, siguiendo el modelo de datos corporativos. En los sistemas de consolidación hay que tener en cuenta factores técnicos como el formateo de datos, el mecanismo de transporte de los datos y los tiempos de carga. 4.3 Modelo de Datos Corporativo El modelo de datos corporativo sirve para establecer un único esquema lógico de los datos de la organización, resolviendo la fragmentación producida por la existencia de sistemas de información departamentales. Las BBDD de cada departamento, representan la visión local de la organización, pero no dan una visión global de la información, dificultando así la integración de la información que proviene de cada uno de ellos. Por este motivo el paso previo a la construcción del DataWarehouse, es la determinación del modelo de datos corporativo, que identifique y estructure los requisitos de información que habrán de satisfacer el Data Warehouse. Como resultado de este proceso, se obtiene un esquema conceptual válido para toda la organización, que ofrece una visión estratégica global de los datos, permitiendo a la vez la creación de vistos parciales adecuadas para les necesidades de cada departamento. 4.4 La base de datos OLAP Es el repositorio de datos del DataWarehouse, permite la síntesis, el análisis y la consolidación dinámica de grandes volúmenes de datos multidimensionales. Al hablar de tecnología OLAP, el adjetivo más utilizado es multidimensional, ya sea por referirse a los datos, a su estructura o a la base de datos que utiliza. Esta caracterización llega hasta el punto de identificar el OLAP y las bases de datos multidimensionales como una misma cosa. A pesar de que ambas tecnologías estén relacionadas, la utilización de OLAP no implica necesariamente la utilización de bases de datos multidimensionales. Pag
7 4.4.1 Datos multidimensionales El modelo de datos multidimensional se basa en organizar los datos en varias jerarquías de forma simultánea. En este modelo, los datos se denominan hechos. Cada hecho se relaciona con una serie de dimensiones, denominadas agentes de negocio, formando un hipercubo. Esta organización de los datos permite acceder a los datos desde cualquiera de las dimensiones del hipercubo. Existe un modelo multidimensional simplificado denominado modelo de estrella, en que cada hecho se relaciona con una dimensión simple. Un ejemplo sería: Tiempo Localización Ventas Clientes Productos Un modelo más genérico para entender la organización multidimensional se denomina modelo de copo de nieve. En el que las dimensiones de organizan en forma jerárquica. Ejercicio 2004 Ejercicio América Tiempo Estratégicos Europa Localización Ventas Clientes Nuevos Asia... Productos... Consumibles Portátiles... Una estructura de datos muldimensional tiene la ventaja de poder analizar de forma eficiente los datos desde cualquier dimensión considerada en el modelo. Esto es una gran ventaja en un entorno de análisis de datos en que las consultas pueden ser impredecibles. También permite obtener vistas del hipercubo, en el que los hechos se muestran organizados por una subconjunto de las dimensiones del hipercubo, normalmente no más de dos o tres. Pag
8 Ejemplo: Una vista de las ventas por tipo de cliente y productos suministrados: Servidores Portátiles... Clientes Estratégicos Total ventas 1 Total ventas 2 Clientes Nuevos Total ventas 3 Total ventas Tecnologías para entornos Datawarehouse Debido a que en su uso el entorno OLAP maneja los datos de forma organizada en dimensiones, el entorno natural de trabajo de los sistemas OLAP son las bases de datos multidimensionales. Pero también se puede trabajar sobre bases de datos relacionales atendiendo a criterios económicos o de disponibilidad, a pesar de que sus prestaciones se vean reducidas. Los sistemas OLAP se pueden dividir en dos tipos: MOLAP (Multidimensional OLAP): Funciona sobre bases de datos multidimensionales. Requiere de un esfuerzo inicial previo de modelización y construcción de la base de datos multidimensional y de otro continuo consistente en la migración de datos desde el formato relacional hacia el nuevo formato multidimensional. A cambio ofrecen un rendimiento muy superior a la hora de realizar la extracción y el análisis de los datos, debido a que los datos a las que se accede ya están estructuradas en dimensiones y jerarquías. ROLAP: (Relational OLAP): Funcionan sobre bases de datos relacionales. Permiten trabajar sobre las bases de datos corporativas ya establecidas, ahorrando así el trabajo de creación y mantenimiento de nuevas bases de datos multidimensionales. A cambio, estos sistemas se ocupan de realizar la conversión entre la visión relacional de los datos y la utilización multidimensional y jerárquica que ha de ofrecer al usuario, que hace que lleve asociado un coste en tiempo y recursos de máquina. En la práctica resulta común encontrar sistemas de almacén de datos, con sus correspondientes herramientas de OLAP y minería de datos, implementadas mediante bases de datos relacionales. Esto es debido a la mayor experiencia de que se dispone para trabajar sobre bases de datos relacionales, a la gran cantidad de productos existentes en el mercado y a la confianza que tienen las organizaciones en estos tipos de bases de datos. Para simular bases de datos multidimensionales cuando tan sólo se dispone de un gestor de bases de datos relacional, sin que esto implique un efecto negativo en los tiempos de respuesta, se utilizan los siguientes diseños: 1. Diseño en estrella: Se tiene una gran tabla donde cada registro es un hecho, y unas tablas más pequeñas para cada dimensión. Se establece una relación N:1 entre la tabla de hechos y cada tabla de dimensión. Para recuperar información, las tablas de dimensión son utilizadas como puntos de acceso a los datos almacenados en la tabla de hechos. El SGBD está optimizado para estas consultas. 2. Diseño de copo de nieve. Se implementa de forma similar al anterior. Excepto que para cada dimensión, en vez de una tabla, se tiene una estructura en árbol para modelar la estructura jerárquica de las dimensiones. Pag
9 3. Índices Bitmap: Los índice bitmap son un tipo especial de índice que almacena la información en bits en lugar de bytes o sus múltiplos. Sirve para acelerar el acceso a filas con atributos de baja cardinalidad, por ejemplo: El atributo sexo (Hombre o mujer). Se mejora la velocidad al efectuar operaciones con esta estructura de datos es gracias a que se utilizan las operaciones lógicas AND, OR, NOT, mucho más rápidas que las otras. 5 MINERIA DE DATOS -DATA MINING- La mineria de datos consiste en un conjunto de técnicas y procesos de análisis que permiten extraer información oculta dentro de bases de datos con información histórica de una organización. La información la obtiene mediante la busca automática de patrones y relacionesno explicitas dentro de los datos históricos. Las técnicas agrupadas dentro de la minería de datos tienen en común las siguientes características: Necesitan disponer de un repositorio de datos históricos a partir de los que realizar el proceso de minería. El proceso de minería es automático, en la mayor medida posible, dado la gran cantidad de datos a analizar. Los resultados obtenidos deben representar conocimiento útil y no evidente a simple vista. 5.1 Utilización de la Minería de Datos 1. De verificación: Se asemeja al proceso tradicional de extracción de información basado en lenguajes de consulta de bases de datos (SQL, etc.). No extrae información nueva, sino que basándose en los datos del almacén, verifica la validez de las afirmaciones que se le presentan. El proceso empieza por el establecimiento de una hipótesis por parte del usuario, que la herramienta debe verificar su validez. 2. De Descubrimiento. Es una técnica destinada a descubrir nueva información que no estaba anteriormente en el almacén de forma explicita. La herramienta tiene capacidad de iniciativa para plantear sus propias preguntas sin intervención humana, aunque los usuarios pueden intervenir para guiar los caminos a explorar. A través de la búsqueda de patrones o relaciones implícitas entre los datos, es capaz de crear categorías dentro de un grupo de datos que, en principio, parecían homogéneos. Por ejemplo: Crear una clasificación los clientes en función de hábitos de consumo no establecidos a priori. También es común la busca de elementos extraños o fuera de lo corriente, que puede ser de utilidad para detectar posibles fraudes como, por ejemplo, operaciones extrañas y sin sentido entre cuentas bancarias. 3. Predictivo El objetivo de este modelo de minería consiste en la realización por parte de la herramienta de predicciones sobre el comportamiento futuro de ciertas variables, a partir de los patrones o relaciones existentes entre los datos. Pag
10 En este caso el usuario indica sobre qué variables quiere obtener la predicción y el sistema proporciona la respuesta. Esta respuesta la puede proporcionar explicando como lo ha conseguida, esta explicación puede ser tan valiosa como la respuesta en sí misma. 5.2 Fases del proceso de minería de datos El proceso de minería se puede dividir en las siguientes fases Selección y preprocesamiento de los datos : Selecciona los datos a utilizar en el proceso de minería de datos, decide la organización lógica y física más adecuada para ello y los procesa y depura para eliminar los errores e inconsistencias. Innecesario en caso de contar con un Data Warehouse. Búsqueda de patrones. En esta fase, se analiza la información para extraer la información oculta. El resultado de la busca será un informe que habrá de ser analizado por un operador humano en la fase siguiente. Interpretación y evaluación. Esta fase final consiste en la interpretación de los resultados producidos en la fase de busca. Como resultado de esta interpretación se pueden llevar a término alguna de las siguientes acciones: Volver otra vez a la busca de patrones, con consultas más refinadas si se está utilizando el modelo de verificación. Utilizar los resultados como entrada por un sistema de apoyo a la decisión Utilizarlos directamente en la preparación de un informe para la dirección. 5.3 Técnicas en Minería de Datos Las técnicas más empleadas para la extracción de información son las siguientes: 1. De consulta e informe. Permiten crear de consultas de forma fácil mediante interfaces gráficas, y, tras la consulta, muestran los resultados en forma de tablas o gráficos. Adicionalmente pueden utilizar técnicas estadísticas para analizar los datos obtenidos. Una técnica apropiada para la minería de verificación. Trabajan sobre BD relacionales y existen en el mercado gran cantidad de herramientas de este tipo. 2. De inteligencia artificial. Se aplican técnicas de inteligencia artificial al análisis de datos, como pueden ser los sistemas expertos. Se utilizan en la minería de datos predictiva y de descubrimiento, puesto que son muy buenas para la detección de patrones. Se fácil encontrarlas formando parte de lo que se ha dado denominar agentes inteligentes. 3. De análisis multidimensional. Están basadas en la utilización de bases de datos multidimensionales y su facilidad para obtener vistas desde diferentes dimensiones de los datos de forma dinámica, rápida y simple. 6 Impacto de las tecnologías de análisis de datos El éxito de cualquier tecnología de análisis de datos no está en su correcta implantación, sino que sea utilizada para mejorar el funcionamiento de la organización. Los usuarios eliminarán los largos tiempos de análisis y programación para obtener información valiosa. Las decisiones dentro de la organización serán tomadas más rápidamente por personas mejor informadas. Pag
11 La calidad de la información almacenada va mejorando con el uso de la aplicación de análisis, pues se irán descubriendo y subsanando los errores. Esto aumenta la confianza de los usuarios. Podremos entender que la adopción de la herramienta de análisis de datos es un éxito, cuando los directivos la utilizan para satisfacer sus necesidades de información. Pag
Teoría de Base de Datos Ing. José J. Reyes. Definiciones
Definiciones 1 Base de Datos: Las Bases de Datos son el núcleo del sistema de información de cualquier empresa. La administración y gestión de las mismas constituye, por tanto, un trabajo muy importante
Más detallesResumen Inteligencia de Negocios
Resumen Inteligencia de Negocios La inteligencia de Negocios es una tendencia dentro de la Tecnología de Información, recordemos que la Tecnología de Información ayuda a hacer eficientes muchos de los
Más detallesDE LAS BD A LOS ALMACENES DE DATOS (DW) FINALIDADES Y EVOLUCIÓN DE LOS SISTEMAS DE INFORMACIÓN FINALIDADES Y EVOLUCIÓN DE LOS SISTEMAS DE INFORMACIÓN
DE LAS BD A LOS ALMACENES DE DATOS (DW)... ALMACENES DE DATOS (DATA WAREHOUSES Y DATA MARTS), OLAP (PROCESO ANALÍTICO EN LÍNEA) Y. DE LAS BD A LOS DW 1 DE LAS BD A LOS DW 2 LA INFORMACIÓN REDUCE NUESTRA
Más detallesDatawarehouse. Ing. Adan Jaimes Jaimes. Datawarehouse
1 Ing. Adan Jaimes Jaimes 2 Conceptos : Repositorio completo de datos, donde se almacenan datos estratégicos, tácticos y operativos, al objeto de obtener información estratégica y táctica Data-Marts: Repositorio
Más detallesUnidad 10. Almacenes de Datos
Unidad 10 Almacenes de Datos Introducción Definición Los Almacenes de Datos (data warehouse) son colecciones de datos orientadas a la toma de decisiones Almacenes de Datos y Bases de Datos La principal
Más detallesEXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP OLAP EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP
OLAP... OLAP 1 OLAP 2 MODELO DE UN AMBIENTEOLAP LAS HERRAMIENTAS DE OLAP PRESENTAN AL USUARIO UNA VISIÓN MULTIDIMENSIONAL DE LOS DATOS O ESQUEMA MULTIDIMENSIONAL, PARA CADA ACTIVIDAD QUE ES OBJETO DE ANÁLISIS.
Más detallesUNIDAD 1: CONCEPTOS BA SICOS DE BASE DE DATOS
UNIDAD 1: CONCEPTOS BA SICOS DE BASE DE DATOS [Escriba el subtítulo del documento] Qué es un gestor de base de datos? Un gestor de base de datos o sistema de gestión de base de datos (SGBD o DBMS) es un
Más detallesLa Empresa Inteligente.
La Empresa Inteligente. ERP, CMR, RRHH son algunos de las innumerables tipos de aplicaciones implementados en las organizaciones, las cuales muchas veces se encuentran desarrolladas en plataformas diferentes.
Más detallesBodegas de Datos y OLAP. Introducción a la Bodegas de Datos
Bodegas de Datos y OLAP Introducción a la Bodegas de Datos Contenido SI-Definición y Clasificación MIS Vs DSS DSS-Definición y Características DW-Definición, Elementos, Características, Arquitectura, OLTP
Más detallesConcepto. 1963, en un simposio celebrado en California, USA. Conjunto de información relacionada que se encuentra agrupada ó estructurada.
BASES DE DATOS Concepto 1963, en un simposio celebrado en California, USA. Conjunto de información relacionada que se encuentra agrupada ó estructurada. Cada base de datos se compone de una o más tablas
Más detallesSISTEMA INTEGRAL PARA LA PROYECCIÓN Y DETECCIÓN DE LA PREVENCIÓN DEL DELITO, MEDIANTE MINERÍA DE DATOS.
SISTEMA INTEGRAL PARA LA PROYECCIÓN Y DETECCIÓN DE LA PREVENCIÓN DEL DELITO, MEDIANTE MINERÍA DE DATOS. MTIE. Erik Guerrero Bravo. Universidad Tecnológica Tula - Tepeji. Introducción Sistemas Transaccionales
Más detallesIntroducción a los Sistemas de Información
25/09/2012 de Introducción a los Sistemas de Información Grupo de Ingeniería del Software y Bases de Datos Universidad de Sevilla septiembre 2012 de Objetivos de este tema Entender los conceptos de sistema,
Más detalles2.3 Fundamentos de Inteligencia de Negocios JACOBO ADAN VICTOR MANUEL
Subsecretaría de Educación Superior Dirección General de Educación Superior Tecnológica Instituto Tecnológico de Iguala INSTITUTO TECNÓLOGICO DE IGUALA MATERIA: FUND. DE GESTION DE SERVICIO DE TI 2.3 Fundamentos
Más detallesMETODOLOGÍAS PARA EL DESARROLLO DE SISTEMAS
!387" APÉNDICE A, APARTADO 1 METODOLOGÍAS PARA EL DESARROLLO DE SISTEMAS DOCUMENTACIÓN 1. La necesidad de los diagramas Los diagramas o representaciones gráficas representan una parte fundamental en el
Más detallesQué es SGBD? Mencionar 4 tipos de SGBD. SGBD de red. Román Gutiérrez Sosa. SGBD jerárquicos. Modelo de datos relacionales.
Qué es SGBD? Es un tipo de software muy específico, dedicado a servir de interfaz entre la base de datos, el usuario y las aplicaciones que la utilizan. El propósito general de los sistemas de gestión
Más detallesDecision Support System (DDS)
Sistemas de Soporte a la toma de Decisiones Decision Support System (DDS) Decision Support System (DDS) Son aquellos que, mediante el uso de reglas de procesamiento de datos basadas en lógica, en combinación
Más detallesCAPÍTULO 1. INTRODUCCIÓN
CAPÍTULO 1. INTRODUCCIÓN Las tecnologías de la información son herramientas que ayudan a las personas a tomar decisiones de forma eficiente y efectiva. Los Data Warehouse [16, 5], Minería de datos [9,
Más detallesIntroducción al Data Warehouse La Factoría de la Información Corporativa. Àngels Rius Gavidia
Introducción al Data Warehouse La Factoría de la Información Corporativa Àngels Rius Gavidia Índice Data Warehouse (DW). - Tipos usuarios - Qué es? - Cuál es su objetivo? - Comparativa DW- BDR Factoría
Más detallesLa toma de decisión tiene que ver directamente con el tipo de información que existe en las organizaciones y la forma en que esa información es
La toma de decisión tiene que ver directamente con el tipo de información que existe en las organizaciones y la forma en que esa información es usada. 2 Datos: es un elemento aislado, recabado para un
Más detallesInteligencia de Negocios
Inteligencia de Negocios Necesidades y arquitectura de la solución Clase 3 Esquema de la clase 1. OLTP vs OLAP 2. Los tres problemas del OLTP 3. La arquitectura del BI 4. Fuentes de datos. 6. Herramientas
Más detallesBases de Datos: Introducción
Bases de Datos: Introducción Franco Guidi Polanco Escuela de Ingeniería Industrial Pontificia Universidad Católica de Valparaíso, Chile fguidi@ucv.cl Sistemas de Información/Sistemas Informáticos v En
Más detallesBASES DE DATOS TEMA 1 PERSPECTIVA DEL ÁREA DE BASES DE DATOS
BASES DE DATOS TEMA 1 PERSPECTIVA DEL ÁREA DE BASES DE DATOS 1.3 Desarrolladores y usuarios finales Siendo entonces una DB una colección de datos almacenados en una computadora (discos, tambores u otro
Más detallesUMET : UNIVERSIDAD METROPOLITANA
UMET : UNIVERSIDAD METROPOLITANA TRABAJO DE BASE DE DATOSA II TEMA : COMPARACION DE HARREMIENTAS OLAP PRESENTADO POR JAIME CRUZ N. MAYO 15 DE 2011 LINK : Contenido Pag: 1 Para poder determinar las diferencias
Más detallesDIPLOMADO EN MICROSOFT SQL SERVER 2008
DIPLOMADO EN MICROSOFT SQL SERVER 2008 El departamento de TI de las empresas se está sometiendo a una transformación integral. Está preparado? Aproveche la mejor oportunidad para capacitarse, ampliar sus
Más detallesSistemas de Información Gerencial
Sistemas de Información Gerencial Tema 1: Fundamentos de Sistemas de Información Ing. Francisco Rodríguez Novoa 1 INDICE Nuevo entorno de negocios hoy Dato, Información y Conocimiento. Que es SI / TI Elementos
Más detallesGestion y Modelación de Datos Sistemas de Información, Sistemas de BD
La Ciencia de la Sistema Gestor de Gestion y Modelación de Datos, Sistemas de BD Julio de 2011 Contenido La Ciencia de la Sistema Gestor de 1 La Ciencia de la 2 Dato - - Conocimiento 3 Tecnología de (TI)
Más detallesSistema Gestor de Bases de Datos. Un SGBD debe permitir: Manipular la base de datos: realizar consultas, actualizarla, generar informes.
Sistema Gestor de Bases de Datos. Un Sistema Gestor de Bases de Datos (SGBD) o DBMA (DataBase Management System) es una colección de programas cuyo objetivo es servir de interfaz entre la base de datos,
Más detallesBASE DE DATOS Modelos de Datos
BASE DE DATOS Modelos de Datos Autor: Lic. Jaquelina E. Escalante Desarrollo de una Base de datos 1 Análisis de requisitos, es decir, el estudio del sistema que se pretende modelar de la forma más precisa
Más detallesSISTEMAS DE INFORMACIÓN I TEORÍA
CONTENIDO: SISTEMAS EJECUTIVOS DE INFORMACIÓN - COMPARACIÓN Y RELACIÓN ENTRE LOS MIS Y LOS EIS - COMPARACIÓN E INTEGRACIÓN DE LOS DSS Y LOS EIS Material diseñado y elaborado por: Prof. Luis Eduardo Mendoza
Más detallesPrueba de autoevaluación 2
Universidad Carlos III de Madrid1 Prueba de autoevaluación 2 1. En un sistema OLTP: a) El significado de un proceso transaccional está orientado hacia el negocio. b) El significado de un proceso transaccional
Más detallesArquitectura de sistemas: Título: AnalyticsMOOC- Solución TIC Big Data para entornos MOOC Número de expediente: TSI
Arquitectura de sistemas: Título: AnalyticsMOOC- Solución TIC Big Data para entornos MOOC Número de expediente: TSI- 100105-2014-192 Código: Fecha: 11/12/2014 Persona de Contacto: Carlos Vicente Corral
Más detallesMicrosoft Excel 2003 (Completo)
Página 1 Horas de teoría: 32 Horas de práctica: 29 Precio del Curso: 198 Curso para aprender a utilizar la hoja de cálculo Microsoft Excel 2003, explicando todas las funciones que la aplicación posee y
Más detallesFAMILIA PROFESIONAL INFORMÁTICA Y COMUNICACIONES http://www.educacion.gob.es/educa/incual/ice_cualcatalogo_ifc.html Nivel 3 IFC079_3 Administración de bases de datos. http://www.educacion.gob.es/educa/incual/pdf/bdc/ifc079_3.pdf
Más detallesMicrosoft Excel 2003 (Completo)
Microsoft Excel 2003 (Completo) Curso para aprender a utilizar la hoja de cálculo Microsoft Excel 2003, explicando todas las funciones que la aplicación posee y viendo el uso de este programa para crear
Más detallesFUNDAMENTOS DE BASES DE DATOS TEMA 3
FUNDAMENTOS DE BASES DE DATOS TEMA 3 El Sistema de Contenido 3.1. El SGBD como interfaz entre el usuario y la base de datos.. 3.3. Ejemplos de SGBD 1 3.1. El SGBD como Interfaz entre el Usuario y la Base
Más detallesEl ciclo de vida de un sistema de información
El ciclo de vida de un sistema de información 1. Las etapas del proceso de desarrollo de software Planificación Análisis Diseño Implementación Pruebas Instalación / Despliegue Uso y mantenimiento 2. Modelos
Más detallesLas empresas han comenzado a aprovechar los cada vez más numerosos datos en línea para tomar mejores decisiones sobre sus actividades.
Las empresas han comenzado a aprovechar los cada vez más numerosos datos en línea para tomar mejores decisiones sobre sus actividades. Para ejecutar de manera eficiente las consultas sobre datos tan diferentes
Más detallesMSc. Francisco García
REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA BOLIVARIANA UNEFA NÚCLEO MIRANDA SEDE LOS TEQUES MSc. Francisco
Más detallesModelo Conceptual de datos. Yenifer Laurens.
Modelo Conceptual de datos Yenifer Laurens. Modelo de datos Es un conjunto de conceptos que pueden servir para describir la estructura de una Base de Datos; tipo de datos, las relaciones y que deben cumplirse
Más detallesDefinición. Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4
Definición Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4 Definición (cont.) Un Data Warehouse es una colección de
Más detallesANÁLISIS ESTRUCTURADO
ANÁLISIS ESTRUCTURADO Conceptos generales Cuando los analistas comienzan a trabajar sobre un proyecto de sistemas de información, a menudo tienen que profundizar en un área de la organización con la que
Más detallesIFCD0111 Programación en Lenguajes Estructurados de Aplicaciones de Gestión
IFCD0111 Programación en Lenguajes Estructurados de Aplicaciones de Gestión 1. MÓDULO 1. MF0223_3 SISTEMAS OPERATIVOS Y APLICACIONES INFORMÁTICAS UNIDAD FORMATIVA 1. UF1465 COMPUTADORES PARA BASES DE DATOS
Más detallesSistemas de Información
Sistemas de Información 13 de agosto de 2010 1. Introducción La información es un activo valioso de las organizaciones, con el cual, es posible reducir el riesgo que implica la toma de decisiones en los
Más detallesAux 2. Introducción a la Minería de Datos
Aux 2. Introducción a la Minería de Datos Gastón L Huillier 1,2, Richard Weber 2 glhuilli@dcc.uchile.cl 1 Departamento de Ciencias de la Computación Universidad de Chile 2 Departamento de Ingeniería Industrial
Más detallesDiseño de base de datos: Modelo Entidad Relación (I)
Diseño de base de datos: Modelo Entidad Relación (I) I. Fases del desarrollo para lograr un buen diseño El proceso de diseño de una base de datos comienza por una descripción detallada del sistema de información
Más detallesBASES DE DATOS TEMA 2 MODELOS DE DATOS
SES DE DTOS TEM 2 MODELOS DE DTOS Un modelo de datos es una serie de conceptos que puede utilizarse para describir un conjunto de datos y las operaciones para manipularlos. Hay dos tipos de modelos de
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL PROGRAMA DE ESTUDIOS
ESCUELA SUPERIOR POLITECNICA DEL UNIDAD ACADÉMICA: FIEC CARRERA: LICENCIATURA EN SISTEMAS DE ESPECIALIZACIÓN: ÁREA: TIPO DE MATERIA: TEÓRICA X PRÁCTICA 1 1 EJE DE FORMACIÓN: 1. NOMBRE DE LA ASIGNATURA
Más detallesTI en los negocios: Un commodity?
TI en los negocios: Un commodity? http://www.informatizate.net/index.php?option=com_content&view=article&id=58:ti-en-los-negocios-iuncommodity&catid=37:art%c3%adculos%20de%20colaboradores%20de%20informatizate
Más detallesCI-5313: Arquitectura y Administración de Base de Datos I Apuntes del curso INDICES (II y III)
CI-5313: Arquitectura y Administración de Base de Datos I Apuntes del curso INDICES (II y III) Soraya Abad Mota Versión 1: Septiembre 2002 Actualizaciones: Enero 2005 y Septiembre 2007 1. Tópico 4: Lineamientos
Más detallesCUADRO DE MANDO PARA LA ALTA DIRECCIÓN EN EL MINISTERIO DE FOMENTO
CUADRO DE MANDO PARA LA ALTA DIRECCIÓN EN EL MINISTERIO DE FOMENTO Jefe de Proyecto BGS Online Consultores Subdirector General de Tecnología y Sistemas de la Información Ministerio de Fomento Asesor Área
Más detallesFirsap Sistemas S.L. Parque Científico y Tecnológico de Extremadura. Avda de Elvas s/n Badajoz Telf:
OPTIMICE SU NEGOCIO, ACELERE EL CRECIMIENTO RENTABLE GESTIÓN DE CANTERAS Y PRODUCCIÓN DE ÁRIDOS SOBRE SAP BUSINESS ONE ERP La aplicación de Gestión de Canteras y Producción de Áridos sobre el ERP SAP Business
Más detallesSesión 3 Comprensión del análisis estratégico
Grupo Egmont de Unidades de Inteligencia Financiera Curso de Análisis Estratégico de Egmont Sesión 3 Versión del 30 de octubre de 2012 Curso de Análisis Estratégico de Egmont Página 2 de 11 Sesión 3 1.
Más detallesMOLAP REALIZADO POR: JOSE E. TABOADA RENNA
MOLAP REALIZADO POR: JOSE E. TABOADA RENNA BASE DE DATOS Conjunto de datos estructurados, fiables y homogéneos organizados independientemente en máquina, m accesibles en tiempo real, compatible por usuarios
Más detallesUn sistema de bases de datos sirve para integrar los datos. Lo componen los siguientes elementos:
Qué es una base de datos? El problema de los datos Todas las empresas requieren almacenar información. Desde siempre lo han hecho. La información puede ser de todo tipo. Cada elemento informativo (nombre,
Más detallesUNIVERSIDAD TÉCNICA DEL NORTE
UNIVERSIDAD TÉCNICA DEL NORTE FACULTAD DE INGENIERÍA EN CIENCIAS APLICADAS CARRERA DE INGENIERÍA EN SISTEMAS COMPUTACIONALES TRABAJO DE GRADO PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERÍA EN SISTEMAS
Más detallesConceptos básicos de bases de datos
Conceptos básicos de bases de datos 1.1 Definición de base de datos Una base de datos es una colección de archivos relacionados que permite el manejo de la información de alguna compañía. Cada uno de dichos
Más detallesInteligencia de Negocios
Inteligencia de Negocios Seminario de Redes Inteligentes Oscar Duarte Abril 15 del 2011 Agenda Base de datos relacionales Bodegas de datos Minería de datos Bases de datos relacionales Bases de datos relacionales
Más detallesTema I: Introducción a las bases de datos. Curso Introducción a las bases de datos.
Tema I: Introducción a las bases de datos Curso 2009-2010 Introducción a las bases de datos. 1.1 Sistema de información 1.2 Base de datos (BD) 1.3 Sistema de gestión de bases de datos (SGBD) 1.4 Características
Más detallesIMPACTO DE LA APLICACIÓN DE INTERNACIONALES EN LAS FUNCIONES, PROCESOS Y SISTEMAS DE INFORMACIÓN EN LA ORGANIZACIÓN
IMPACTO DE LA APLICACIÓN DE LOS ESTÁNDARES INTERNACIONALES EN LAS FUNCIONES, PROCESOS Y SISTEMAS DE INFORMACIÓN EN LA ORGANIZACIÓN Principales Temas de Conversión a IFRS Manejo del proyecto IFRS involucra
Más detallesPROGRAMACIÓN CON LENGUAJES ORIENTADOS A OBJETOS Y BASES DE DATOS RELACIONALES
PROGRAMACIÓN CON LENGUAJES ORIENTADOS A OBJETOS Y BASES DE DATOS RELACIONALES Certificado de profesionalidad IFCT0112 PROGRAMACIÓN CON LENGUAJES ORIENTADOS A OBJETOS Y BASES DE DATOS RELACIONALES Familia
Más detallesCliente- Servidor. Bases de Datos Distribuidas
1 2 3 4 Cliente- Servidor La tecnología que se utiliza habitualmente para distribuir datos es la que se conoce como entorno (o arquitectura) cliente/servidor (C/S). Todos los SGBD relacionales del mercado
Más detallesBLOQUE I RESOLUCIÓN DE PROBLEMAS TECNOLÓGICOS UNIDAD 1: TECNOLOGÍA. EL PROCESO TECNOLÓGICO
BLOQUE I RESOLUCIÓN DE PROBLEMAS TECNOLÓGICOS UNIDAD 1: TECNOLOGÍA. EL PROCESO TECNOLÓGICO 1. Comprender la función de la tecnología y su importancia en el desarrollo de la civilización. 2. Conocer el
Más detallesRECURSOS DE TI Aplicaciones - Bibliografía USO DE BD PARA MEJORAR EL DESEMPEÑO EMPRESARIAL
Sistemas de Información para la Gestión UNIDAD 3: RECURSOS DE TECNOLOGÍA DE INFORMACIÓN Aplicaciones UNIDAD 3: RECURSOS DE TI Aplicaciones 1. Administración de bases de datos e información: Sistemas de
Más detallesMódulo Profesional: Sistemas operativos monopuesto. Código: 0222.
Módulo Profesional: Sistemas operativos monopuesto. Código: 0222. Resultados de aprendizaje y criterios de evaluación. 1. Reconoce las características de los sistemas operativos analizando sus elementos
Más detallesCREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER (40 HORAS)
CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER (40 HORAS) MODALIDAD: ONLINE CONTACTO: campus@formagesting.com / +34 722 164 372 OBJETIVOS DEL CURSO OBJETIVOS ESPECÍFICOS Conocer los conceptos
Más detallesPanorama de los Sistema de Soporte a la toma de Decisiones
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Panorama de los Sistema de Soporte a la toma de Decisiones M. EN C. EDUARDO BUSTOS FARÍAS 1 Sistema de Soporte a las Decisiones Metodología de
Más detallesIntroducción 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 detallesPablo A. Sacco UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL CÓRDOBA INGENIERÍA EN SISTEMAS DE INFORMACIÓN
Pablo A. Sacco UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL CÓRDOBA INGENIERÍA EN SISTEMAS DE INFORMACIÓN INTELIGENCIA DE NEGOCIOS (BI) 1 Objetivos Asesorar a todas las áreas de una organización
Más detallesTécnicas de Minería de Datos
Técnicas de Minería de Datos Act. Humberto Ramos S. 1 Qué es Minería de datos? El desarrollo de dispositivos tecnológicos para acumular datos a bajo costo. Acumulación o registro de gran cantidad de datos.
Más detallesINGENIERÍA DEL SOFTWARE
INGENIERÍA DEL SOFTWARE Sesión No. 11 INGENIERÍA DEL SOFTWARE 1 Nombre: Estereotipos y valores etiquetados de los paquetes Contextualización Los estereotipos dentro de los medios de programación son más
Más detallesIngeniería del Software 2
Análisis de requisitos es la 1ª fase técnica del proceso de ing. del SW Éxito -> Comprensión total de los requisitos Análisis de requisitos -> Tarea de descubrimiento, refinamiento, modelado y especificación
Más detallesMICROSOFT EXCEL 2010
MICROSOFT EXCEL 2010 1. AVANZADO Nº Horas:24 Objetivos: Descripción de funciones avanzadas de la hoja de cálculo Microsoft Excel 2010, viendo el uso de fórmulas, funciones y gráficos en los libros de Excel.
Más detallesMicrosoft Excel 2007 (Completo)
Página 1 Horas de teoría: 36 Horas de práctica: 30 Precio del Curso: 222 Curso para aprender a utilizar la hoja de cálculo Microsoft Excel 2007, explicando todas las funciones que la aplicación posee y
Más detallesSISTEMAS 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 detallesDiseño de Base de Datos
Diseño de Base de Datos DISEÑO DE BASE DE DATOS 1 Lectura No. 4 Nombre: Modelo entidad-relacional extendido Contextualización La creación de una base de datos hoy en día es parte fundamental dentro de
Más detallesESCUELA 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 detallesUnidad V: Sistemas de archivos 5.1 Concepto
Unidad V: Sistemas de archivos 5.1 Concepto Son los algoritmos y estructuras lógicas utilizadas para poder acceder a la información que tenemos en el disco. Cada uno de los sistemas operativos crea estas
Más detallesSolución al parcial 14
Solución al parcial 14 Marque V(erdadero) o F(also) según considere la proposición. 1. La lógica difusa es la emulación del razonamiento aproximado que realizan las máquinas. F: Las máquinas no realizan
Más detallesPROGRAMA JAVA SE (Standard Edition) MODALIDAD ONLINE
PROGRAMA JAVA SE (Standard Edition) MODALIDAD ONLINE JAVA SE (Standard Edition): El curso proporciona la base que necesita cualquier programador de Java, tanto en cuanto a las peculiaridades de la tecnología
Más detallesOptativa II. Octubre Marzo Horas Semanales: 5 Créditos 80 Quinto Ciclo de Análisis de Sistemas
Optativa II Octubre 2016 - Marzo 2017 Materia: Optativa II Módulo: Tercero Horas Semanales: 5 Créditos 80 Semestre: Quinto Ciclo de Análisis de Sistemas Carácter: Formación profesional Duración: Semestral
Más detallesClase 2: Sistemas de Información y Calidad
DSIW2:Ing. Tomás Eduardo Urbina 1 Tipos Sistemas de Información Un sistema de información es un grupo de elementos utilizados para la administración de datos, los cuales se encuentran coordinados entre
Más detalles>> 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 detallesPrograma Inducción a Inteligencia de Negocios Banco BICE BICE Inversiones
Programa Inducción a Inteligencia de Negocios 2016 Banco BICE BICE Inversiones Programa Inducción a Inteligencia de Negocios Las organizaciones disponen cada vez de más datos sobre sus negocios. De estos
Más detallesInteligencia de Negocios Experiencia Banco Central de Nicaragua. Oriel Soto Jefe División Tecnología de Información
Inteligencia de Negocios Experiencia Banco Central de Nicaragua Oriel Soto Jefe División Tecnología de Información Justificación Tenemos grandes volúmenes de información pero de difícil acceso 2 Justificación
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes basados en conocimiento Contenido Sistemas basados en conocimiento
Más detallesProgramación en Lenguajes Estructurados de Aplicaciones de Gestión. Certificados de profesionalidad
Programación en Lenguajes Estructurados de Aplicaciones de Gestión Certificados de profesionalidad Ficha Técnica Categoría Informática y Programación Referencia 33002-1404 Precio 170.36 Euros Sinopsis
Más detallesFUNDAMENTOS DE LOS SISTEMAS DE INFORMACION EN LOS NEGOCIOS
FUNDAMENTOS DE LOS SISTEMAS DE INFORMACION EN LOS NEGOCIOS Maria Alejandra Masclef Cátedra de Computación I Facultad de Ciencias Económicas Universidad Nacional de Tucumán 2012 1 Objetivos Que los alumnos:
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO 1 DE MEXICO Facultad de Contaduría y Administración Sistemas de Información Estratégicos
UNIVERSIDAD AUTONOMA DEL ESTADO 1 DE MEXICO Facultad de Contaduría y Administración Sistemas de Información Estratégicos DIAPOSITIVAS DE SISTEMAS DE INFORMACIÓN ADMINISTRATIVOS ESPACIO ACADÉMICO: Facultad
Más detallesCurso Developing Microsoft SQL Server 2014 Databases (20464)
Curso Developing Microsoft SQL Server 2014 Databases (20464) Programa de Estudio Curso Developing Microsoft SQL Server 2014 Databases (20464) Aprende a desarrollar bases de datos en Microsoft SQL Server
Más detallesINTRODUCCION ANTECEDENTES:
INTRODUCCION ANTECEDENTES: En agosto de 1993, Codd y Date anunciaron un descubrimiento importante en el negocio de computadoras con 12 reglas para el proceso analítico en línea (OLAP). Desarrollado por
Más detallesEl Modelo Relacional. Estática
El TEMA III Grupo de Bases de Avanzadas Univ. Carlos III de Madrid Índice PARTE I. CONCEPTO DE MODELO DE DATOS III.1 INTRODUCCIÓN III.2 CONCEPTO DE MODELO DE DATOS III.3 EVOLUCIÓN DE LOS MODELOS DE DATOS
Más detallesBases de datos 1. Teórico: Introducción
Bases de datos 1 Teórico: Introducción Conceptos generales Base de Datos: Es un conjunto de datos relacionados Representa algún aspecto del mundo real Es construida para un propósito específico Database
Más detallesActividad 1.2. Cuestionario sobre SGBD (2ª parte)
Actividad 1.2. Cuestionario sobre SGBD (2ª parte) 1.Indica las diferencias existentes entre las funciones de manipulación y de descripción. Función de descripción o de definición: Esta función debe permitir
Más detallesInteligencia de Negocios
Inteligencia de Negocios Entender el concepto de Inteligencia de Negocio Conocer los elementos más importantes en el diseño de una sistema de Inteligencia de Negocio Motivación La información en las organizaciones
Más detallesLa conectividad es la clave para una tecnología avanzada de ECG. Los sistemas de ECG no
ELECTROCARDIÓGRAFOS MARCA GENERAL ELECTRIC MAC 800 La conectividad es la clave para una tecnología avanzada de ECG. Los sistemas de ECG no sólo deben ofrecer la suficiente portabilidad como para llegar
Más detallesSelección del Hardware y Software Administración del proceso de desarrollo de Sistemas de Información.
Administración del proceso de desarrollo de Sistemas de Información. Determinación de las necesidades de hardware y software. Existencia de equipo en la organización. Proceso de estimación de las cargas
Más detallesSistemas de Bases de Datos
Pontificia Universidad Javeriana Contenido 1 De archivos a BD 2 Ventajas de las Bases de Datos 3 4 Cronología De archivos a B.D Sistemas Orientados hacia el proceso Continuación Sistemas Orientados hacia
Más detallesHoja de respuestas. Examen tipo A
Hoja de respuestas. Examen tipo A Cuestiones 1. La memoria virtual nos permite: Emular la RAM mediante la utilización de los dispositivos de almacenamiento Tener una memoria de capacidad infinita en nuestro
Más detallesApuntes de Tipos Abstractos de Datos. Juan M. Molina Bravo
Apuntes de Tipos Abstractos de Datos Juan M. Molina Bravo curso 2001-2002 0-2 Capítulo 1 Introducción a la Programación Basada en Tipos Abstractos de Datos. 1.1 Diseño basado en ttaadd Los sistemas de
Más detallesCI2355 Almacenes de datos y OLAP
CI2355 Almacenes de datos y OLAP Examen Lunes, 7 de mayo de 2012 2012/03/26 CI2355 - Almacenes de datos y OLAP 2 Trabajo de Investigación Presentación Artículo 40-45 minutos Fechas: Entre el 14 de mayo
Más detalles