Modulo II Data Warehouse y OLAP
|
|
- María Mercedes Córdoba Sandoval
- hace 6 años
- Vistas:
Transcripción
1 Diplomado en Minería de Datos para la Toma de Decisiones Modulo II Data Warehouse y OLAP 2 Arquitectura Data Warehouse Objetivos 2.1 Niveles y Componentes. 2.2 Modelo de Datos Multidimensional. 2.3 Tipos de Sistemas OLAP. 2.4 Operaciones OLAP. 2.5 Procesamiento Eficiente OLAP. Identificar la arquitectura Data Warehouse y los componentes que la integran. Conocer los distintos esquemas de las estructuras de una BD Multidimensional y los pasos a seguir para su diseño. Conocer las principales características de los Sistemas OLAP.. 1
2 2. Arquitectura Data Warehouse Niveles y Componentes Arquitectura de 3 Niveles Usuarios Finanzas Staging-Area Data Marts Consultas y Reportes Complejos Ventas Inventarios ETLs Procesos de Extracción, Transformación y Carga BD Data Warehouse Análisis OLAP Contabilidad Metadatos Diccionario BD Minería de Datos 1 Bases de Datos Fuentes de Sistemas Operacionales 2 BD con datos integrados, depurados y resumidos 3 Sistemas- Interfases para Usuarios Usuarios 2
3 2. Arquitectura Data Warehouse Niveles y Componentes Componentes Data Warehouse Bases de Datos Fuentes Son el origen de la información que en su mayor parte son las Bases de Datos de los Sistemas Operacionales. También pueden ser hojas de cálculo Excel o archivos planos tipo txt, u otros. ETLs Son los programas que realizan los procesos de Extracción, Transformación y Carga. Staging Area Es una area de trabajo donde se realizan los procesos de ETL. Metadatos Es toda información referente a los procesos de ETLs y Diccionario de la Bd Datawarehouse.. Son los Datos de los Datos que se almacenan en el DWH. Diccionario de la BD Define los datos que están contenidos en la Base de Datos del Data Warehouse. Es parte de los Metadatos. BD Data Warehouse BD donde se integra toda la información extraída de los Sistemas Operacionales. Su diseño es multidimensional. Data Marts Cada Data Mart es como un subconjunto, del Almacén Central o BD Data Warehouse, orientado a un tema de análisis, normalmente asociado a un departamento de la empresa. 3
4 2. Arquitectura Data Warehouse Niveles y Componentes Componentes Data Warehouse Sistema Interfase para consultas y Reportes Complejos Es un sistema o herramientas de software que permite a los usuarios hacer consultas y/o crear reportes complejos con cierta facilidad. Procesan la información de la BD Data Warehouse. Sistema-Interfase para Análisis OLAP Es un sistema o herramientas de software que permite a los usuarios el Análisis Multidimensional OLAP (On-Line Analytical Processing)accesando directamente la BD Data Warehouse o mediante un motor MDBS accesar sus propias estructuras de Cubos. Sistema-Interfase para Minería de Datos Es un sistema o herramientas de software para el análisis inteligente de datos con métodos matemáticos.de búsqueda de regularidades y tendencias. 4
5 2. Arquitectura Data Warehouse Modelo de Datos Multidimensional Esquemas del Modelo Multidimensional Esquema Estrella Esquema Constelación Esquema Copo de Nieve 5
6 2. Arquitectura Data Warehouse Modelo de Datos Multidimensional Esquema Estrella Dos tipos de tablas: Dimensión Fecha Id_Fecha Fecha aaaamm Año Mes Trimestre Semestre Dimensión Producto Id_Product o Nombre de Producto Marca Tipo Empaque Métrica: Venta de Productos Id_Fecha Id_Tienda Id_Producto Cantidad Importe Dimensión Tienda (Lugar) Id_Tiienda Nombre de Tienda Estado Región Ciudad Pais Tabla de Dimensión Tabla de Hechos o Métricas (Facts) Es el tipo de tabla principal del modelo. Es donde las métricas de desempeño del negocio se almacenan. Los campos a incluir son de tipo numérico y sumables. Los ampos de mediciones deben ser de la misma granularidad. Una fila representa una medición. La identificación de cada registro (Llave Primaria) se hace por la concatenación de campos que corresponden a las dimensiones asociadas. Las tablas de dimensiones son complementos integrales de las tablas de hechos (facts). A través de ellas se consultan las tablas de hechos. Los campos o atributos de estas tablas juegan un papel muy importante en el modelo. 6
7 2. Arquitectura Data Warehouse Modelo de Datos Multidimensional Esquema Copo de Nieve Métrica: Venta de Productos Id_Fecha Id_Tienda Id_Producto Cantidad Importe Dimensión Producto Id_Producto Nombre de Producto Id_Marca Id_Empaque Dimensión Marca Id_Marca Marca (Nombre) Id_Tipo Dimensión Empaque Dimensión Tipo Id_Marca Tipo (Nombre) Id_Empaque Empaque (Nombre) Normalización de las Dimensiones El ahorro que se obtiene en el almacenamiento es insignificante. Las tablas de dimensiones son pequeñas en comparación de las de hechos (Facts). Entre más dimensiones, se complica su uso para los usuarios. Es mejor si dejamos las Dimensiones Desnormalizadas. 7
8 2. Arquitectura Data Warehouse Modelo de Datos Multidimensional Esquema Constelación Son un conjunto de estrellas y/o Copos de Nieve 8
9 2. Arquitectura Data Warehouse Modelo de Datos Multidimensional Pasos para el Diseño ( De acuerdo con R. Kimball ) Paso 1. Seleccionar el Proceso del Negocio. Paso 2. Definir la Granularidad. Paso 3. Escoger las Dimensiones. Paso 4. Identificar las Métricas (Hechos o Facts) 9
10 2. Arquitectura Data Warehouse Modelo de Datos Multidimensional Pasos para el Diseño Paso 1. Seleccionar el Proceso del Negocio. Un proceso es una actividad natural que se realiza en las organizaciones normalmente soportada por un Sistema Operacional. Enfocarse en los proceso del negocio y no en las funciones de los departamentos. El primer modelo funcional a construir debe ser el que más impacto tenga. Identificar y seleccionar los procesos que están requiriendo de mediciones de desempeño. 10
11 2. Arquitectura Data Warehouse Modelo de Datos Multidimensional Pasos para el Diseño Paso 2. Definir la Granularidad. Qué nivel de detalle de los datos debe estar en el Modelo Dimensional? Hay que definir las tablas de hechos (Facts) con el nivel en cada una de ellas. De preferencia el mayor nivel de detalle, de esta forma, ya no se podrá pedir más. El mayor detalle ofrece la flexibilidad máxima ya que permite analizar la información por más posibilidades. Considerar también niveles de resumen lo cual permitirá un mejor desempeño. 11
12 2. Arquitectura Data Warehouse Modelo de Datos Multidimensional Pasos para el Diseño Paso 3. Escoger las Dimensiones. Escoger las dimensiones que aplican a cada tabla de Hechos. En los atributos de las dimensiones incluir todas las descripciones posibles con las que se puedan o se requieran representar o referir las mediciones o métricas de las tablas de Hechos. Incluir primero todas las dimensiones directas o básicas que se observen en cada tabla de hechos. Continuar con Dimensiones Adicionales analizando que correspondan a la granularidad de la Tabla de Hechos. 12
13 2. Arquitectura Data Warehouse Modelo de Datos Multidimensional Pasos para el Diseño Paso 4. Identificar las Métricas ( hechos o facts) Identificar los campos base de mediciones en cada tabla de hechos. Los campos de mediciones deben ser númericos y ser aditivos, esto es, que sea posible sumarlos y que tenga sentido hacerlo. Las mediciones o campos que se definan deben corresponder a la granularidad (detalle ) definida en el paso 2. Observar casos como porcentajes y razones no son aditivos. 13
14 2. Arquitectura Data Warehouse Tipos de Servidores OLAP Tipos de Servidores OLAP Para realizar el proceso de las consultas o análisis OLAP existen los siguientes Tipos de Servidores o Sistemas: ROLAP OLAP Relacional MOLAP OLAP Multidimensional También se puede tener una combinación de ambos : HOLAP OLAP Hibrido (Rolap y Molap) 14
15 2. Arquitectura Data Warehouse Tipos de Servidores OLAP Sistemas ROLAP Implementación OLAP que almacena los datos en un DBMS Relacional y utiliza un motor ROLAP para proporcionar la función analítica. BD Relacional Interfaz Presentación BD Data Warehouse Motor OLAP El motor ROLAP: Ejecuta las consultas multidimensionales de los usuarios. Transforma dinámicamente sus consultas a consultas SQL. 15
16 2. Arquitectura Data Warehouse Tipos de Servidores OLAP Sistemas MOLAP Implementación OLAP que almacena los datos en un DBMS Multidimensional (MDDB) para proporcionar la función analítica. BD Multidimensional Interfaz Presentación BDs Operación BD Data Warehouse Motor MDDB El motor MDDB: Realiza con gran velocidad las consultas. Para la carga de datos requiere de cálculos intensos de compilación. Tiene capacidades limitadas para crear agregaciones dinámicamente. 16
17 2. Arquitectura Data Warehouse Tipos de Servidores OLAP ROLAP vs MOLAP ROLAP Mantiene tiempos de respuesta razonables. Pueden crecer a un gran numero de dimensiones. Soportan bien grandes volúmenes de datos. Es una arquitectura flexible que permite grandes volúmenes de datos y proporciona un soporte amplio a requerimientos OLAP. MOLAP Tiene mejores tiempos de respuesta. Requiere de preparación de los datos en la carga de lo mismos. Son adecuadas para pocas dimensiones Se comportan razonablemente en volúmenes reducidos. Es una solución adecuada para volúmenes de datos y dimensiones modestos. 17
18 2. Arquitectura Data Warehouse Operaciones OLAP Consultas de Análisis Las herramientas OLAP presentan al usuario una visión multidimensional de los datos (esquema multidimensional) para cada consulta de análisis. Importe total de las ventas por tipo de producto y por trimestre? Restricción: Ventas durante este año Tipo Trimestre Ventas Discos T Discos T Discos T Discos T Ropa T Una consulta a un almacén de datos consiste en la obtención de medidas sobre los hechos y atributos de las dimensiones, restringidas por condiciones. 18
19 2. Arquitectura Data Warehouse Operaciones OLAP Operadores de las Consultas Drill Roll Slice & dice Swap Fechas (Tiempo) Producto Ventas Lo interesante de las herramientas OLAP es que permiten manipular las consultas con los operadores siguientes: 19
20 2. Arquitectura Data Warehouse Operaciones OLAP Drill ROLL Son operaciones que permiten cambiar las consultas para realizar la división o la consolidación de los datos. Drill ROLL Disgregación (división) Al introducir un nuevo criterio en el análisis, los datos se presentan con mayor división (más detalle). Agregación (consolidación) Al eliminar un criterio en el análisis, los datos se presentan más consolidados (mayor resumen). Estas operaciones se pueden hacer sobre: Atributos de una dimensión Drill-Down Roll-Up Dimensiones Independientes Drill-Across Roll-Across 20
21 2. Arquitectura Data Warehouse Operaciones OLAP Drill-Down ROLL-Up Permiten la disgregación (dividir) o la Agregación (consolidar) al introducir o eliminar un criterio sobre un atributo de una dimensión. Tipo Trimestre Ventas Discos T Drill-Down Discos T Discos T Discos T Ropa T Tipo Trimestre Mes Ventas Discos T1 Ene Discos T1 Feb Roll-Up Discos T1 Mar Discos T2 Ene
22 2. Arquitectura Data Warehouse Operaciones OLAP Drill-Across ROLL-Across Permiten la disgregación (dividir) o la Agregación (consolidar) al introducir o eliminar un criterio sobre un atributo de una dimensión. Tipo Trimestre Ventas Discos T Drill-Across Discos T Discos T Discos T Ropa T Tipo Trimestre Ciudad Ventas Discos T1 México Discos T1 Monterrey Roll-Across Discos T1 Guadalajara Discos T2 México
23 2. Arquitectura Data Warehouse Operaciones OLAP Slice & Dice Slice Dice Es la operación que produce la selección de una rebanada de un cubo escogiendo un valor para alguna de sus dimensiones. Esta operación produce la selección un subcubo permitiendo al analista proporcionar valores específicos para las dimensiones. Slice Fechas (Tiempo) Dice Ventas Producto 23
24 2. Arquitectura Data Warehouse Operaciones OLAP Swap (Pivot) Permite rotar o cambiar la orientación de las dimensiones. Tipo Trimestre Ventas Discos T Discos T Discos T Discos T Ropa T Swap Trimestre Discos Ropa T T T T T
25 2. Arquitectura Data Warehouse Procesamiento Eficiente OLAP Indexación de Datos OLAP Qué es un Índice? Es la definición a nivel de campo de estructuras que permitan hacer un acceso random o directo a un registro específico en una tabla. Cómo funciona un índice en un libro? Cómo usamos el mapa de calles de la Guía Roji? En la BD del Data Warehouse Pocos índices La carga de Datos es rápida. El tiempo de respuesta es lento. Muchos Índices La carga de Datos es lenta. La cantidad de espacio aumenta. Reduce el tiempo de respuesta. 25
26 2. Arquitectura Data Warehouse Procesamiento Eficiente OLAP Llaves Subrogadas Son llaves generadas artificialmente que vienen a sustituir a las llaves naturales en las tablas de dimensiones. Ejemplo: Dimensión Fecha (Tiempo) Id_Fecha Fecha (aaaammdd) Año Mes Trimestre Dic T Dic T Ene T1 Fact o Métrica Ventas de Producto Id_Fecha Id_Tienda Id_Producto Cantidad Importe La nueva llave debe ser un campo de tipo entero y sus valores son números consecutivos. 26
27 2. Arquitectura Data Warehouse Procesamiento Eficiente OLAP Ventajas de las Llaves Subrogadas Mejorar los Tiempos de Respuesta. Homogenizar Llaves. Al integrar información desde diferentes sistemas operacionales con tablas que tienen llaves diferentes para tablas que tratan el mismo concepto. La nueva llave subrogada permite asignar valores homogéneos. Conservar la Historia. Permite mantener la historia de los cambios que pudieran ocurrir en alguna dimensión. Ej. Cuando un empleado cambia de departamento o región. Qué pasa con los registros que están en el DWH ligados a este empleado. Cambian también de región? La solución: Crear un nuevo registro para el empleado con un nuevo valor en la llave subrogada de manera que toda referencia nueva a este empleado apunte a la nueva región y así no se toca nada de lo anterior y seguirá apuntando a la región anterior. 27
28 2. Arquitectura Data Warehouse Procesamiento Eficiente OLAP Para Optimizar Evitar normalizar las tablas de Dimensiones. Indexar campos por los que se harán búsquedas con frecuencia. Agregar llaves Subrogadas. Evitar en lo posible llaves que no sean numéricas. Consultar los manuales de su MDBS. Para aprovechar todas las características que tenga sobre índices. Un Data Warehouse está diseñado para consultas, por lo tanto es valido que esté sobre-indexado. 28
Resumen 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 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 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 detallesOLAP 2 OLAP 1 OLAP 4 OLAP 3 OLAP 5 OLAP 6
OLAP EXPLOTACIÓN UN DW: EXPLOTACIÓN UN DW:... OLAP 1 OLAP 2 EXPLOTACIÓN UN DW: MOLO UN AMBIENTE OLAP EXPLOTACIÓN UN DW: LAS HERRAMIENTAS OLAP PRESENTAN AL USUARIO UNA VISIÓN MULTIDIMENSIONAL LOS DATOS
Más detallesSistemas de Información 12/13 La organización de datos e información
12/13 La organización de datos e información Departamento Informática e Ingeniería de Sistemas Universidad de Zaragoza (raqueltl@unizar.es) " Guión Introducción: Data Warehouses Características: entornos
Más detallesDiseño 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 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 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 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 detallesFundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 5 -
Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 5 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Data Warehouse Modelo multidimensional Diagrama
Más detallesInteligencia 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 detallesCapítulo 2 Tecnología data warehouse
Capítulo 2 Tecnología data warehouse El objetivo de éste capítulo es mostrar la tecnología data warehouse (DW) como una herramienta para analizar la información. Este capítulo se encuentra organizado de
Más detallesCAPÍTULO 2 DATA WAREHOUSES
CAPÍTULO 2 DATA WAREHOUSES Un Data Warehouse (DW) es un gran repositorio lógico de datos que permite el acceso y la manipulación flexible de grandes volúmenes de información provenientes tanto de transacciones
Más detallesGrandes de Bases de Datos. Almacenes de Datos (DW) e Inteligencia de negocios IN (BI)
Grandes de Bases de Datos Almacenes de Datos (DW) e Inteligencia de negocios IN (BI) Qué es Inteligencia de Negocios? Las TI permiten la toma de decisiones basadas en procesos de análisis sobre datos simples
Más detallesBases de Datos Masivas
Bases de Datos Masivas Data Warehouse Bases de Datos Multidimensionales Agosto 2016 OLTP y OLAP Los sistemas transaccionales tradicionales (OLTP - On Line Transaction Processing) son inapropiados para
Más detallesSoluciones OLAP con Microsoft Analysis Services
Soluciones OLAP con Microsoft Analysis Services 5to Congreso de Informática, Universidad Mariano Gálvez, Zacapa Marco Tulio Gómez Reyes mgomez@solcomp.com MSc. Tecnologías de la Información MCITP Business
Más detallesANEXO 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 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 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 detallesInteligencia de Negocio
Inteligencia de Negocio Conceptos y tendencias actuales Autor: MSc. Anabel Montero Posada Sistemas Operacionales ERP -Ventas/Pedidos -Inventario Sistemas de gestión de relaciones con el cliente (CRM) Sitios
Más detallesPROYECTO 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 detallesCREACIÓN 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 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 detallesData Warehousing Diseño e implementación de un data warehouse
Data Warehousing Diseño e implementación de un data warehouse Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias Estrategia de división Por qué dividir las tablas?: Facilidad de
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 detallesFacultad 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 detallesFACULTAD DE INGENIERÍA. Bases de Datos Avanzadas
FACULTAD DE INGENIERÍA Ingeniería en Computación Bases de Datos Avanzadas Datawarehouse Elaborado por: MARÍA DE LOURDES RIVAS ARZALUZ Septiembre 2015 Propósito Actualmente las empresas necesitan contar
Más detallesMódulo Minería de Datos
Módulo Minería de Datos Diplomado Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Análsis Dimensional OLAP On-Line Analytical Processing Estructura del Proceso
Más detallesPrograma 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 detallesCAPÍTULO 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 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 detallesInteligencia 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 detallesACTAS DE REUNIONES. ACTA Nro. 1 - Fecha: 7/02/2013 Julio Carreño Katerin Bejarano Alisson Rodríguez
ACTAS DE REUNIONES ACTA Nro. 1 - : 7/02/2013 Alisson Rodríguez Procesos de negocio del departamento Relación Cliente. Conceptos de Inteligencia Competitiva. presentadas en la Cuáles son los procesos de
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 detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR TEMA: AUTOR: DIRECTOR:
PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE SISTEMAS TEMA: PRINCIPIOS Y TÉCNICAS PRÁCTICAS PARA LA IMPLEMENTACIÓN DE UN PROTOTIPO DE DATA WAREHOUSE EN SQL SERVER 2000
Más detallesBusiness 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 detallesBases 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 detallesLicencia GNU FDL. Detalle del cambio. Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Versión incial. 05/11/2009
Licencia GNU FDL Copyright 2009 Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Se otorga permiso para copiar, distribuir y/o modificar este documento bajo los términos de la Licencia
Más detalles09/01/2009. 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 detallesSQL Server Business Intelligence parte 1
SQL Server Business Intelligence parte 1 Business Intelligence es una de las tecnologías de base de datos más llamativas de los últimos años y un campo donde Microsoft ha formado su camino a través de
Más detallesANEXO A - Plan de Proyecto. 1. - EDT de la solución EDT GENERAL DEL PROYECTO1
ANEXO A - Plan de Proyecto 1. - EDT de la solución EDT GENERAL DEL PROYECTO1 2.- Diagrama de Gantt de la Solución DIAGRAMA DE GANTT- FASE INICIAL DOCUMENTACION Y ANALISIS2 DIAGRAMA DE GANTT- FASE FINAL
Más detalles6. Data warehouse optimization
6. Data warehouse optimization 6.1 Introducción Un sistema de datawarehouse dentro de una organización no solo necesita proveer un ambiente de consultas de buena y ágil respuesta, sino ser rápido y preciso
Más detallesUNIVERSIDAD NACIONAL DEL CALLAO
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS INSTITUTO DE INVESTIGACIÓN DE LA FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS INFORME FINAL DEL PROYECTO DE INVESTIGACIÓN
Más detallesSistema de análisis de información. Resumen de metodología técnica
Sistema de análisis de información Resumen de metodología técnica Tabla de Contenidos 1Arquitectura general de una solución de BI y DW...4 2Orígenes y extracción de datos...5 2.1Procesos de extracción...5
Más detallesLa magia de las fórmulas
La magia de las fórmulas Por Leticia Pureco Reyes Hoy en día existen muchas personas que utilizan la hoja de cálculo para realizar una gran diversidad de operaciones (aritméticas, estadísticas, trigonométricas,
Más detallesCátedra: 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 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 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 detallesOracle vs Oracle por Rodolfo Yglesias Setiembre 2008
Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008 Introducción Aunque la estrategia de adquisiciones que Oracle ha seguido en los últimos años siempre ha buscado complementar y fortalecer nuestra oferta
Más detallesCapítulo 4 Implementación
Capítulo 4 Implementación Este capítulo describe los detalles de implementación del sistema. La sección 4.1 habla sobre las herramientas utilizadas y detalla la arquitectura para la implementación de ATEXEM.
Más detallesIntegración de Datos y ETL con Oracle Warehouse Builder: Parte 1
Oracle University Contact Us: +34916267792 Integración de Datos y ETL con Oracle Warehouse Builder: Parte 1 Duration: 3 Days What you will learn Los participantes aprenderán a cargar datos mediante la
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 detallesSistemas de Inteligencia de Negocios
Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Sistemas de Inteligencia de Negocios Leopoldo Quintano Septiembre de 2001 Introducción
Más detallesModelos Multidimensionales con Analysis Services Primeros Pasos
Modelos Multidimensionales con Analysis Services Primeros Pasos Marco Tulio Gómez mgomez@solcomp.com MSc. Tecnologías de la Información MCITP Business Intelligence Developer MCTS Business Intelligence
Más detallesSIIGO INTELIGENTE. Menú SIIGO Inteligente. Cartilla I
SIIGO INTELIGENTE Menú SIIGO Inteligente Cartilla I Tabla de Contenido 1. Presentación 2. Qué son Iconos? 3. Cuáles son los Iconos que se habilitan en el Menú de SIIGO Inteligente? Presentación El presente
Más detallesUNIVERSIDAD 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 detallesTecnología de Información
CAPITULO 6 : Tecnología de Información ADMINISTRACIÓN DE DATOS MBA SERGIO ORTEGA Material revisado para la cursada 29 BIBLIOGRAFIA Básica: Laudon & Laudon, Sistemas de Información Gerencial. Organización
Más detallesBases de Datos Masivas
Bases de Datos Masivas Data Warehouse Bases de Datos Multidimensionales Banchero, Santiago Septiembre 2015 Concepto de DW. Definición según W. H. Inmon: A data warehouse is a subject-oriented, integrated,
Más 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 detallesTecnologías de Información y Comunicación II.
INGENIERÍA EN INFORMÁTICA Tecnologías de Información y Comunicación II. INFORME: ETL y Modelo Estrella. NOMBRE : Ruben Chura, Andony Pavez. CARRERA : Ingeniería en Informática. ASIGNATURA : Tecnologías
Más detallesImportación de Datos
Datos en Excel I Importación de Datos En muchas ocasiones tenemos la necesidad de trabajar en Excel con datos procedentes de otras aplicaciones. Tenemos dos alternativas: - Introducir de nuevo los datos
Más detalleswww.itconsulting.com.bo
Señor(a): Cliente Presente.- Santa Cruz, 23 de octubre del 2012 Distinguido Señores: REF.: COTIZACION CURSO BUSINESS INTELLIGENCE & DATAWAREHOUSE & CUBOS OLAP EN EXCEL 2010 Consultores en Tecnologías de
Más detallesIntegración de Datos y ETL con Oracle Warehouse Builder NEW
Oracle University Contact Us: 902 302 302 Integración de Datos y ETL con Oracle Warehouse Builder NEW Duration: 5 Days What you will learn A lo largo de este curso práctico de 5 días de duración, los estudiantes
Más detallesModelos Multidimensionales con Analysis Services Primeros Pasos
Modelos Multidimensionales con Analysis Services Primeros Pasos Marco Tulio Gómez mgomez@solcomp.com MSc. Tecnologías de la Información MCITP Business Intelligence Developer MCTS Business Intelligence
Más detallesSistemas de Data Warehousing
Federación Médica del Interior (FEMI) Sociedad Uruguaya de Informática en la Salud (SUIS) Información en Salud Edición 2009 Sistemas de Data Warehousing Dr. Ing. Adriana Marotta (In.Co - F.Ing - UDELAR)
Más detallesTEMA 15 : INTRODUCCIÓN A LAS BASES DE DATOS DE ATRIBUTO, DISEÑO Y CREACIÓN. OBJETIVOS DEL TEMA Conocimiento teórico del concepto de Base de Datos
TEMA 15 : INTRODUCCIÓN A LAS BASES DE DATOS DE ATRIBUTO, DISEÑO Y CREACIÓN OBJETIVOS DEL TEMA Conocimiento teórico del concepto de Base de Datos 1.- CONCEPTO DE BASE DE DATOS Un Sistema de Bases de Datos
Más detallesSolucionesAnalíticas 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 detallesSSAS multidimensional mejores prácticas
SSAS multidimensional mejores prácticas Ahias Portillo MVP, MCITP en Sql Server Moderador: Freddy Angarita Gracias a nuestros auspiciadores Database Security as Easy as A-B-C http://www.greensql.com Hardcore
Más detallesCaracterísticas 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 detallesComputación Aplicada. Universidad de Las Américas. Aula virtual de Computación Aplicada. Módulo de Excel 2013 LIBRO 11
Computación Aplicada Universidad de Las Américas Aula virtual de Computación Aplicada Módulo de Excel 2013 LIBRO 11 Contenido INFORME DE TABLA DINÁMICA... 3 CREAR UN INFORME DE TABLA DINÁMICA... 3 PERSONALIZAR
Más detallesPROGRAMA 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 detallesEl diseño de la base de datos de un Data Warehouse. Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias
El diseño de la base de datos de un Data Warehouse Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias El modelo Multidimensional Principios básicos Marta Millan millan@eisc.univalle.edu.co
Más detallesFundamentos de la Inteligencia de Negocios
Universidad Nacional de Salta Facultad de Ciencias Económicas, Jurídicas y Sociales Sistemas de Información para la Gestión Fundamentos de la Inteligencia de Negocios Administración de Bases de Datos e
Más detallesGuía del Curso Técnico en Mantenimiento de CRM: Recursos Empresariales y de Gestión de Relaciones con Clientes
Guía del Curso Técnico en Mantenimiento de CRM: Recursos Empresariales y de Gestión de Relaciones con Clientes Modalidad de realización del curso: Número de Horas: Titulación: Online 160 Horas Diploma
Más detallesDATAMART 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 detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA T E S I S. QUE PARA OBTENER EL TÍTULO DE: Ingeniero en Computación P R E S E N T A :
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA Sistema de consulta basado en inteligencia de negocios para el análisis de la información derivada de la evaluación al desempeño de los profesores
Más detallesLa Base de Datos OLAP Analysis Services (SSAS) Agenda. Agenda. Construyendo una Solución de BI paso a paso con SQL Server 2005
Construyendo una Solución de BI paso a paso con SQL Server 2005 La Base de Datos OLAP Analysis Services (SSAS) Ing. José Mariano Alvarez Jose.Mariano.Alvarez@SqlTotalConsulting.com Agenda Por qué Analysis
Más detallesOLAP. (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 detallesPONTIFICIA 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 detallesBI 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 detallesManual de Usuario SIGECOF REGISTRO DE ASIENTO DE AJUSTE
Manual de Usuario SIGECOF APROBADO POR: JEFE DE LA ONCOP Punto: DGAT-002-2016 De Fecha: 15/07/2016 CONTROL DE REVISIONES Y ACTUALIZACIONES Nº de Versión Fecha de Aprobación y/o Actualización Punto de Cuenta
Más detallesComparing 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 detallesBotón menú Objetivo de la Minería de datos.
Titulo de Tutorial: Minería de Datos N2 Botón menú: Introducción. Las instituciones y empresas privadas coleccionan bastante información (ventas, clientes, cobros, pacientes, tratamientos, estudiantes,
Más detallesModelado dimensional de datos
MODELADO DE DATOS DATA WAREHOUSE Ana María Bisbé York a.bisbe@danysoft.com, Servicios Profesionales sp@danysoft.com www.danysoft.com 18.04.2013 Temario Datawarehouse vs Transaccional Modelado dimensional
Más detallesDATA WAREHOUSE DATA WAREHOUSE
DATA WAREHOUSE DATA WAREHOUSE Autor: Roberto Abajo Alonso Asignatura: Sistemas Inteligentes, 5º Curso Profesor: José Carlos González Dep. Ing. Sistemas Telemáticos, E.T.S.I. Telecomunicación Universidad
Más detallesEnfoques de desarrollo DW Kimball/Inmon.
Enfoques de desarrollo DW Kimball/Inmon. 1 Antecedentes Sistemas de Información Los procesos a automatizar son repetibles y previsibles. Modelado Entidad Relación. Atención en una rápida modificación en
Más 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 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 detallesSQL Server 2014 Implementación de una solución de Business Intelligence (SQL Server, Analysis Services, Power BI...)
Prólogo 1. A quién se dirige este libro? 15 2. Requisitos previos 15 3. Objetivos del libro 16 4. Notación 17 Introducción al Business Intelligence 1. Del sistema transaccional al sistema de soporte a
Más detallesCuadrante Mágico de Gartner para BI 2013 vs. 2014
Cuadrante Mágico de Gartner para BI 2013 vs. 2014 Challengers Leaders Challengers Leaders Niche Players Visionaries Niche Players Visionaries Cuadrante Mágico de Gartner SGBD y Sistemas de Data WareHouse
Más detallesTabla de Símbolos. Programación II Margarita Álvarez
Programación II Margarita Álvarez La tabla de símbolos es una estructura global utilizada por distintos módulos del compilador. Es el principal atributo heredado. Almacena todos los nombres declarados
Más detallesBusiness Intelligence
2012 Business Intelligence Agenda Programas Diferencias de OLTP vs OLAP Arquitectura de una solución de BI Tecnologías Microsoft para BI Diferencias entre OLTP v/s OLAP Alineación de Datos OLTP Datos organizados
Más detallesUNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERIA ESCUELA DE CIENCIAS Y SISTEMAS
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERIA ESCUELA DE CIENCIAS Y SISTEMAS PROGRAMA DEL CURSO DE INTRODUCCION A LA PROGRAMACION DE COMPUTACION 2 CODIGO: 771 CREDITOS: 5 ESCUELA: Ciencias
Más detallesAPOYO PARA LA TOMA DE DECISIONES
APOYO PARA LA TOMA DE DECISIONES Cátedra: Gestión de Datos Profesor: Santiago Pérez Año: 2006 Bibliografía: Introducción a las Bases de Datos. DATE - 1 - 1. INTRODUCCION APOYO PARA LA TOMA DE DECISIONES
Más detalles** INTELIGENCIA DE NEGOCIOS**
** INTELIGENCIA DE NEGOCIOS** Programa de la unidad: 1. Qué es la inteligencia de Negocios? 2. Alcance de la inteligencia de negocios 3. Funcionamiento de la Inteligencia de negocios. 4. Planear el sistema
Más detallesAnálisis y modelado de sistemas de software. Diseño Persistencia de objetos. Blanca A. Vargas Govea
Análisis y modelado de sistemas de software Diseño Persistencia de objetos Blanca A. Vargas Govea vargasgovea@itesm.mx Abril 23, 2013 Objetivo Conocer las reglas para mapeo de clases a tablas (RDBMS).
Más detallesCICLO ESCOLAR JULIO DICIEMBRE
CICLO ESCOLAR JULIO DICIEMBRE 2012-1 CATEDRÁTICO Lic. Rafael Gamas Gutiérrez. MATERIA Base de datos HORARIO (Día(s) y Hora) Sábado 18:00-20:00 TEMA 1. INTRODUCCIÓN A LAS BASES DE DATOS 1.1 Sistemas tradicionales
Más detallesTabla de Símbolos. Programación II Margarita Álvarez
Programación II Margarita Álvarez La tabla de símbolos es una estructura global utilizada por distintos módulos del compilador. Es el principal atributo heredado. Almacena todos los nombres declarados
Más detallesFundamentos de la Inteligencia de Negocios
Sistemas de Información para la Gestión UNIDAD 2: Infraestructura de Tecnología de la Información Unidad 2 Infraestructura de Tecnología de la Información Estructura de TI y tecnologías emergentes. Estructura
Más detalles