El diseño de la base de datos de un Data Warehouse. Marta Millan

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

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

Transcripción

1 El diseño de la base de datos de un Data Warehouse Marta Millan

2 El modelo Multidimensional Principios básicos Marta Millan

3 Introducción Un data warehouse se construye de manera heurística En un primer momento, no se conocen bien los requerimientos Proceso de construcción nuevos requerimietos

4 Motivaciones Cómo diseñar una base de datos que permita ejecutar consultas desconocidas? Entender la forma usar información en el data warehouse

5 Motivaciones La mayor parte de las consultas a un data warehouse sobre un hecho esencial, analizado de distintas formas: Número medio de ventas de micros por tienda el último mes Los diez programas por cable más vistos la semana pasada Ventas previstas de natilla en Navidad comparado con el stock actual

6 E/R vs. Multidimensional Los modelos E/R intentan eliminar la redundancia en los datos La búsqueda de consistencia hace que los procesos de consulta sean difíciles y costosos. Modelos dimensionales: meta comprensión y el rendimiento

7 Modelos Multidimensionales Técnica de diseño lógico para diseño de Data Warehouses Proporcionan los mejores resultados Diseños de acuerdo a un estándar que es intuitivo y fácil de entender Permite accesos de alto rendimiento

8 Modelos Multidimensionales Formado por una tabla cuya clave es compuesta -Table Fact (tabla de hechos) y un conjunto de tablas más pequeñas denominadas Tablas de Dimensión. Su apariencia hace que se les denomine diagramas STAR

9 Diagramas en estrella Dimensión Cliente Tabla de hechos Dimensión Producto Dimensión Ventas Dimensión Almacen Fecha

10 Hechos Transacciones que han ocurrido. Poco probable que cambien en el futuro. Los hechos se pueden analizar de diferentes formas dependiendo de la información de referencia Los hechos suelen tener pocos atributos, puesto que no tiene datos operacionales

11 Dimensiones Representa factores por los que se puede analizar un determinado área de negocio. Son tablas más pequeñas A menudo se desnormalizan

12 Hechos y dimensiones Tiendas Región VENTAS Producto

13 Diseño STAR: Etapas Un diagrama E/R se divide en múltiples diagramas en estrella Separar en procesos discretos de negocio (hechos) y modelizar cada hecho separadamente Seleccionar relaciones n:m con atributos numéricos Desnormalizar las tablas de dimensión El esquema final serán de STAR cada uno de ellos con 5-10 dimensiones

14 Una metodología de trabajo para el diseño de la base de datos de un Data Warehose Marta Millan

15 Método de diseño: Enfoque 1 Diseñar la base de datos del Data Warehouse global: Mucho esfuerzo Mucho tiempo Resultados tardan mucho tiempo en aparecer No es abordable en la mayoría de los casos

16 Método de Diseño Enfoque 2 Diseñar la base de datos de cada Data Mart por separado: Mucho más sencillo Menos tiempo Menos recursos La integración posterior de varios Data Mart se complica

17 Método de Diseño SOLUCIÓN: Diseñar la Base de Datos de cada Data Mart sin perder de vista el objetivo final de integración. Definir una estructura común (bus del data warehouse) sobre la que se apoyen todos los data marts

18 Unión de los modelos STAR Construir todo el DW desde el principio o hacer diseños separados para cada area de negocio?? Planifiquemos Data Marts separados pero que compartan aquellas definiciones comunes a la organización Data Marts con arquitectura de bus común

19 La arquitectura del BUS común del DW Crear una arquitectura que defina todo el marco de la organización. Construir Data Marts dentro de ese marco común Dimensiones conformadas Definición estándar de hechos

20 Dimensiones conformadas (I) Es una dimensión que significa lo mismo para cada posible tabla fact Ejemplos: cliente, producto, tiempo, localización Es responsabilidad del equipo diseñador establecer, publicar y mantener las dimensiones conformadas

21 Dimensiones conformadas (II) Sin un uso estricto de dimensiones conformadas el datawarehouse nunca funcionará como un todo. Hacen posible: Una única tabla de dimensión se puede usar contra múltiples tablas de hechos en el mismo espacio de bases de datos Las interfaces de usuario y el contenido de los datos son consistentes dondequiera que se use Hay una interpretación consistente de atributos

22 Dimensiones conformadas (III) Puede llevar mucho tiempo la identificarlas Se diseñan al nivel de granilaridad más bajo que sea posible Deben tener una clave no significativa para poder permitir cambios en el futuro La creación de las mismas es tan decisión técnica como política

23 Definiciones de hechos conformadas Se realiza al mismo tiempo que las dimensiones conformadas Ejemplos: costos, precios, beneficio,... Mismas unidades de medida Mismos periodos Mismas localizaciones Si es imposible conformar un hecho único asegurarse de dar a las distintas interpretaciones diferentes nombres

24 Data Marts con múltiples fuentes de datos data mart con una única fuente de datos son los más fáciles de construir. Ej: sistema de pedidos disponible y diseño del data mart de pedidos. Es recomendable empezar con estos data marts porque minimiza el riesgo de implementaciones demasiado ambiciosas. Una implementación de data marts sencillos permitirá al equipo de desarrollo seguir trabajando mientras los usuarios ya van realizando sus consultas.

25 Data Marts con múltiples fuentes de datos (II) Cuando se hayan implementado suficientes data marts de una única fuente es razonable combinarlos para conseguir un data mart de más de una fuente. Ej: Conseguir el data mart de beneficios combinado distintos componentes de costos y ganancias

26 La arquitectura común del DW Las dimensiones conformadas y las definiciones estándar de los hechos configuran la arquitectura del bus del data warehouse. La definición del bus en un determinado entorno permite añadir un nuevo data mart que puede coexistir con los ya existentes.

27 Aspectos de diseño a tener en cuenta en el diseño de las tablas de un Data Mart Marta Millan

28 4 pasos para diseñar tablas de hechos Elegir el data mart Empezar con data marts de una fuente Decidir el grano de la tabla de hechos Establece lo que significa cada registro de la tabla de hechos Decidir las dimensiones Decidir los hechos de la tabla de hechos Deben ser específicos para el grano elegido para la tabla de hechos

29 Buscar las transacciones en el proceso del negocio Transacciones que describen sucesos fundamentales para el negocio Para cada hecho potencial, preguntar: se usa de verdad esta transacción en el proceso de negocio?

30 Determinar dimensiones principales En modelo lógico que entidades están asociadas con la entidad que representa la tabla hecho No todas las dimensiones principales están asociadas directamente a la tabla hecho en el modelo lógico Preguntarse cuál va a ser el enfoque en el análisis del negocio

31 Comprobar si un hecho es una dimensión Buscar dimensiones no normalizadas en las tablas candidatas a hechos. Se puede dar el caso de que un candidato a hecho sea una dimensión que contenga grupos repetidos de atributos hechos

32 Comprobar si un hecho es una dimensión Diseñar tablas hecho para almacenar filas que no varíen en el tiempo. Si la entidad parece que varía en el tiempo, considerar el crear una tabla hecho que represente eventos que cambien el estado de esa entidad

33 Comprobar si una dimensión es un hecho Puedo ver esta entidad en otra dimensión?. En cuántas? Si la respuesta es más de tres, la entidad no es una dimensión, sino un hecho

34 Diseñar las tablas de hechos Cómo puede ser una tabla de grande? Existen una serie de técnicas para reducir el tamaño de las tablas de hechos.

35 Reducir el tamaño de la tabla de hechos 1. Identificar el periodo histórico significativo para los distintos procesos, y el grado de detalle requerido. 2. Si los requisitos del negocio no necesitan todos los datos hecho detallados, se puede considerar almacenar algunos ejemplos y agregar el resto 3. Eliminar todas las columnas de la entidad hecho que no sean requeridas para responder a preguntas de toma de decisiones

36 Reducir el tamaño de la tabla de hechos (II) 4. Asegurarse de que cada byte de cada columna se necesita 5. No usar claves automáticas en las tablas hecho, a menos que se tenga la certeza de que los identificadores no cambian durante la vida del dw 6. Usar fechas en la tabla de hechos, y no construir una tabla especial para el tiempo

37 Diseñar las tablas dimensión PRODUCTO Nombre, color, estilo, tamaño Desnormalizar las entidades consultadas muy a menudo para acelerar el rendimiento de las consultas (Esquemas estrella) Sección Departamento Negocio PRODUCTO Sección, departamento, negocio, nombre, color, estilo, tamaño

38 Jerarquías A veces no es posible desnormalizar todas las entidades en esquemas en estrella. Entidades que se relacionan entre si con relaciones muchos-a-muchos no se deberían desnormalizar en un esquema en estrella

39 Jerarquías Las jerarquías son muy usadas para representar diferentes vistas. En estos casos, es más efectivo determinar cuál es la jerarquía que va a ser más consultada. Ésta será desnormalizada, y el resto permanecerán como están

40 Esquemas starflake En el diseño de un data warehouse, se usa una combinación de esquemas normalizados (esquemas snowflake) y desnormalizados (esquemas estrella) La combinación de ambos recibe el nombre de esquemas starflake

41 Localización Ventas Tiempo Localización Tiempo Localización Mes Semana

42 Drill up, Drill down Drilling down:más detalle de los datos por ejemplo añadiendo una nueva restricción. No es sólo cuestión de navegar en las jerarquías Drill up es la operación contraria esto es eliminar cabeceras de los informes

43 Snowflaking Una dimensión está snowflaked cuando los atributos de baja cardinalidad se llevan a tablas separadas. Generalmente no se recomienda en DW A veces se usa para ahorrar espacio de almacenamiento No permite hacer uso de los índices bitmap Sin embargo existen situaciones (datos demográficos) en las que son aconsejables.

44 Claves primarias y foráneas Todas las claves que se utilicen en tablas del data warehouse deben ser claves sin significado. Nunca se deben usar claves de producción Nunca se deben usar claves con significado Facilitan los cambios

45 La importancia de los atributos La calidad del Data warehouse se mide por la calidad de los atributos: Descriptivos Completos (sin valores nulos) Indexados Palabras enteras Documentados (metadata) Calidad asegurada

46 Degenerate Dimension La mayoría de los diseños multidimensionales están alrededor de un documento de control: nº de pedido, factura, ticket,... Generalmente son contenedores con más de un producto Generalmente en estos casos el grano de la tabla es producto Qué se hace con los números? Se ponen en las tablas pero no tienen una dimensión con la que hacer join

47 Junk Dimension En ocasiones se tienen atributos textuales y flags de distinta naturaleza que no parecen organizarse de manera coherente. La solución no parece sencilla: Dejar los atributos en la tabla fact Hacer dimensiones separadas para cada atributo Quitar directamente estos atributos La mejor solución es compactarlos todos en lo que se denomina una junk dimension

48 Aditividad Siempre que sea posible, los hechos de la tabla fact deberían elegirse para que sean perfectamente aditivos. Esto significa que se pueden sumar por cualquier dimensión. Las medidas de actividad (ventas) son generalmente aditivas

49 Aditividad Las medidas de intensidad no siempre lo son (niveles de inventario, balance de cuentas...). Estas medidas generalmente son aditivas por todas las dimensiones menos por el tiempo. Existen otras medidas que no se pueden sumar por ninguna dimensión (temperaturas).

50 Familias de tablas de hechos (I) Hay negocios con un flujo lógico con un principio y un fin (value chain): Ciclo de vida de un producto Ciclo de vida de un cliente Seguros

51 Familias de tablas de hechos (I) Todos estos casos se pueden enfocar de la misma manera: Se define una tabla fact y un conjunto de dimensiones asociadas para cada paso de la cadena Se deciden las dimensiones conformadas y se utilizan para cada paso de la cadena

52 Familias de tablas de hechos (II) Otros negocios se organizan como círculos. En estos casos todas las entidades miden la misma transacción: Organizaciones de salud

53 Ejemplo Clave Cuenta Clave por tipo de cuenta Clave por tipo de cuenta Atributos por tipo Tiempo Cuenta Sucursal Titular Balance Cuotas pagadas Num_transacciones Clave para unir con fact personalizada Tiempo Sucursal Clave de fact1 Hechos particulares Clave de factn Hechos particulares

54 Agregados Las tablas de agregados son resúmenes que se construyen y almacenan para mejorar el rendimiento de las consultas Se genera una familia de tablas que se derivan de la tabla de hechos a nivel detallado Cada miembro de la familia representa un grado determinado de resumen en relación a una o más dimensiones

55 Tablas fact sin hechos diseño final una tabla fact sin hechos, solo interesa el suceso en sí: Afluencia de público Coberturas

56 Tablas fact sin hechos (II) Fecha Persona Establecimiento Fecha Fecha Producto Establecimiento Promoción Producto Persona Establecimiento Promoción

57 Relaciones n:m relaciones n:m desde la table fact a las tablas de dimensión (titulares de cuentas bancarias,...) El problema se soluciona añadiendo una tabla puente

58 Roles Dimensiones comunes requiere la creación de vistas sobre las tablas de dimensión Fin: identificar cada uno de los posibles roles de la dimensión Ciudad: Ciudad de destino Ciudad de origen

59 Fecha: Roles Fecha de entrega Fecha de venta Fecha de devolución Operador Larga distancia Metropolitana o Local

60 Agregaciones Aceleran las consultas más comunes costo de crear y de gestionar las agregaciones vs. beneficios

61 Qué es una agregación? La mayoría de las consultas sobre un subconjunto o una agregación de los datos detallados Ejemplo: se desea conocer las ventas de un determinado producto en un dpto. En Colombia: uso de tablas resumen

62 Diseñando tablas resumen Proceso similar al de las tablas de hechos Determinar las dimensiones por las cuales agregar Determinar la agregación de múltiples valores Agregar varios hechos en la tabla resumen Determinar el nivel de agregación Diseñar el tiempo en la tabla resumen Hacer un índice de la tabla resumen

63 Determinar las dimensiones por las que agregar Dos técnicas: Incorporar la dimensión: consultar con frecuencia datos agregados, se crea una tabla con los datos resumidos y se prescinde de la dimensión Agregar la dimensión: consultas se hacen sobre datos agregados, con lo que se pueden crear tablas resumen en los que se prescinde de la dimensión agregada

64 Determinar la agregación de múltiples valores Si existen muchas consultas que usan más de un valor agregado sobre la misma dimensión, se puede agregar los valores requeridos en un conjunto de columnas dentro de las misma tabla resumen

65 Determinar el nivel de agregación Cuando se hacen agregaciones de un nivel, se pierden datos sobre el nivel inferior Se puede considerar agregar los datos a un nivel inferior al deseado para no perder datos Ejemplo: Si se quieren datos mensuales, considerar agregar datos a nivel de semana. De este modo, no se pierde este detalle, y siempre se pueden tener los datos mensuales

66 Diseñar el tiempo en la tabla resumen Para acelerar las consultas, se puede almacenar el tiempo de varias formas: Como una fecha física: lo más recomendable Como un desplazamiento: no es apropiado. Se tarda mucho en calcular el desplazamiento Como un rango: nada recomendado

67 Hacer un índice de la tabla resumen Maximizar la velocidad de las consultas sobre las tablas resumen indexando todos los posibles accesos, es decir, considerar usar un nivel de indexación muy alto sobre las tablas resumen

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

CAPÍTULO 2 DATA WAREHOUSES

CAPÍTULO 2 DATA WAREHOUSES CAPÍTULO 2 DATA WAREHOUSES Un Data Warehouse (DW) es un gran repositorio lógico de datos que permite el acceso y la manipulación flexible de grandes volúmenes de información provenientes tanto de transacciones

Más detalles

DATA WAREHOUSE PARA LA GESTIÓN DE LISTA DE ESPERA SANITARIA

DATA WAREHOUSE PARA LA GESTIÓN DE LISTA DE ESPERA SANITARIA DATA WAREHOUSE PARA LA GESTIÓN DE LISTA DE ESPERA SANITARIA AUTORA: TUTORA: ITZIAR ANGOITIA ESPINOSA ERNESTINA MENASALVAS RUÍZ A mis padres y hermano que se empeñaron en hacerme estudiar. Y a Rafa que

Más detalles

Manual imprescindible SQL Server 2012 (c) Francisco Charte Ojeda

Manual imprescindible SQL Server 2012 (c) Francisco Charte Ojeda Manual imprescindible SQL Server 2012 (c) Francisco Charte Ojeda Agradecimientos Introducción Gestores de bases de datos Servidores de bases de datos Microsoft SQL Server 2012 Qué puede hacer con SQL Server

Más detalles

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

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

Más detalles

ANEXO 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 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 detalles

APOYO PARA LA TOMA DE DECISIONES

APOYO PARA LA TOMA DE DECISIONES APOYO PARA LA TOMA DE DECISIONES Cátedra: Gestión de Datos Profesor: Santiago Pérez Año: 2006 Bibliografía: Introducción a las Bases de Datos. DATE - 1 - 1. INTRODUCCION APOYO PARA LA TOMA DE DECISIONES

Más detalles

Sistema de análisis de información. Resumen de metodología técnica

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

Más detalles

Guía práctica SQL Server 2008

Guía práctica SQL Server 2008 Guía práctica SQL Server 2008 (c) Francisco Charte Ojeda Introducción Microsoft SQL Server 2008 Qué puede hacer con SQL Server 2008? Qué necesita saber para usar SQL Server 2008? Cómo usar este libro Estructura

Más detalles

Introducción Microsoft SQL Server 2000 Qué puede hacer con SQL Server 2000? Qué necesita saber para usar SQL Server 2000?

Introducción Microsoft SQL Server 2000 Qué puede hacer con SQL Server 2000? Qué necesita saber para usar SQL Server 2000? Introducción Microsoft SQL Server 2000 Qué puede hacer con SQL Server 2000? Qué necesita saber para usar SQL Server 2000? Cómo usar este libro Estructura del libro Ejemplos Convenciones tipográficas 1.

Más detalles

Analysis Server 2008 Diseño multidimensional. Tecnología OLAP Tutorial

Analysis Server 2008 Diseño multidimensional. Tecnología OLAP Tutorial Analysis Server 2008 Diseño multidimensional. Tecnología OLAP Tutorial Marta Zorrilla Universidad de Cantabria 2010 Tabla de contenidos 1. Uso de Microsoft Analysis Services 3 1.1. Cómo crear un cubo OLAP

Más detalles

Modelado dimensional de datos

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

Más detalles

Data Mining Técnicas y herramientas

Data Mining Técnicas y herramientas Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos

Más detalles

DATAWAREHOUSE Y DATAMINING: NUEVAS HERRAMIENTAS DE ANÁLISIS DE CLIENTES APLICADAS EN EL MARKETING ACTUAL

DATAWAREHOUSE Y DATAMINING: NUEVAS HERRAMIENTAS DE ANÁLISIS DE CLIENTES APLICADAS EN EL MARKETING ACTUAL Servicio Regional de Empleo CONSEJERÍA DE EMPLEO Y MUJER Comunidad de Madrid Curso Básico de MicroStrategy Desktop 07 de Marzo de 2.005 CÓDIGO: 04/5213 CURSO COFINANCIADO POR LA CONSEJERÍA DE EMPLEO Y

Más detalles

Enfoques de desarrollo DW Kimball/Inmon.

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

Más detalles

Estos documentos estarán dirigidos a todas las personas que pertenezcan a equipos de implementación de Oracle BI, incluyendo a:

Estos documentos estarán dirigidos a todas las personas que pertenezcan a equipos de implementación de Oracle BI, incluyendo a: Oracle Business Intelligence Enterprise Edition 11g. A lo largo de los siguientes documentos trataré de brindar a los interesados un nivel de habilidades básicas requeridas para implementar efectivamente

Más detalles

Los Datos que generan la Información

Los Datos que generan la Información Los Datos que generan la Información Introducción El objetivo de esta guía es mostrar las herramientas tecnológicas vigentes en la actualidad, para contener los datos que generan información. Es importante

Más detalles

MOLAP REALIZADO POR: JOSE E. TABOADA RENNA

MOLAP REALIZADO POR: JOSE E. TABOADA RENNA MOLAP REALIZADO POR: JOSE E. TABOADA RENNA BASE DE DATOS Conjunto de datos estructurados, fiables y homogéneos organizados independientemente en máquina, m accesibles en tiempo real, compatible por usuarios

Más detalles

Capítulo 2 Tecnología data warehouse

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

Más detalles

BASES DE DATOS MIS 308

BASES DE DATOS MIS 308 2. MODELOS DE DATOS Introducción 2.1 Entidad relación 2.2 Jerárquico 2.3 De red 2.4 Relacional Introducción Hoy en día las empresas manejan una gran cantidad de datos. Cualquier empresa que se precie debe

Más detalles

Parte I: Introducción

Parte I: Introducción Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one

Más detalles

PROYECTO DE TESIS DIEGO GALLARDO. ESPEL - Diego Gallardo

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

Más detalles

MSP Dashboard. Guía de soluciones

MSP Dashboard. Guía de soluciones Guía de soluciones MSP Dashboard Este documento presenta MSP Dashboard (panel de servicios gestionados) de Cisco Meraki, que contiene características a medida para que los proveedores de servicios gestionados

Más detalles

SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA

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

Más detalles

Data Warehousing - Marco Conceptual

Data Warehousing - Marco Conceptual Data Warehousing - Marco Conceptual Carlos Espinoza C.* Introducción Los data warehouses se presentan como herramientas de alta tecnología que permiten a los usuarios de negocios entender las relaciones

Más detalles

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

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

Más detalles

Temario Curso Bases de Datos

Temario Curso Bases de Datos Temario Curso Bases de Datos TEMA 1. INTRODUCCION A LAS BASES DE DATOS 1. Cualidades De La Información 2. Sistemas de Información 2.1. Componentes de un Sistema de Información 3. Niveles de Gestión de

Más detalles

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

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

Más detalles

Tecnologías de Información y Comunicación II CLASE 10

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

Más detalles

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

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

Más detalles

UNIVERSIDAD NACIONAL DE ASUNCION FACULTAD POLITÉCNICA CARRERA: LCIK MATERIA: Bases de Datos I Prof: Lic. Lilian Riveros Unidad 2: Modelo Relacional

UNIVERSIDAD NACIONAL DE ASUNCION FACULTAD POLITÉCNICA CARRERA: LCIK MATERIA: Bases de Datos I Prof: Lic. Lilian Riveros Unidad 2: Modelo Relacional El Modelo Relacional es un modelo de datos que nos permite describir la estructura de una base de datos a nivel lógico. En 1969, Edgar Frank Ted Codd (1923-2003) introduce el modelo relacional con una

Más detalles

Inteligencia de Negocios. Cecilia Ruz

Inteligencia de Negocios. Cecilia Ruz Inteligencia de Negocios Cecilia Ruz Inteligencia de Negocios Business Intelligence (BI) Es un paraguas bajo el que se incluye un conjunto de conceptos y metodologías cuya misión consiste en mejorar el

Más detalles

Oficina de Calidad Subdirección de Tecnologías de la Información. Estrategia Explotación de Datos Catálogo de Normas de Modelado

Oficina de Calidad Subdirección de Tecnologías de la Información. Estrategia Explotación de Datos Catálogo de Normas de Modelado Estrategia Explotación de Datos CONTROL DE CAMBIOS DEL DOCUMENTO Fecha Versión Responsable Descripción del cambio 17/06/2010 1.0 OCa Creación del documento 20/10/2010 1.0 Oca Correcciones a las normas

Más detalles

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

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

Más detalles

Base de Datos. Profesor: José Miguel Rubio L. P. UNIVERSIDAD CATÓLICA DE VALPARAÍSO FACULTAD DE INGENIERÍA ESCUELA DE ING.

Base de Datos. Profesor: José Miguel Rubio L. P. UNIVERSIDAD CATÓLICA DE VALPARAÍSO FACULTAD DE INGENIERÍA ESCUELA DE ING. P. UNIVERSIDAD CATÓLICA DE VALPARAÍSO FACULTAD DE INGENIERÍA ESCUELA DE ING. INFORMÁTICA Base de Datos Usuario A Programa de Aplicación Bodega Usuario B Usuario N Insumo Proveedor Profesor: José Miguel

Más detalles

Índice libro SQL Server 2005 1 / 6

Índice libro SQL Server 2005 1 / 6 Sql Server 2005 Charte, Francisco Ed. Anaya Multimedia Precio: 13,30 336 páginas. Idioma: Español ISBN: 8441520283. ISBN-13: 9788441520288 1ª edición (06/2006). Índice libro SQL Server 2005 1 / 6 Microsoft

Más detalles

Business Information Warehouse Manual SAP BW Business Information Warehouse

Business Information Warehouse Manual SAP BW Business Information Warehouse Manual SAP BW Business Information Warehouse Manual SAP BW / BI Business Information Warehouse Página 1 Confidencialidad Este documento es propiedad de E-SAP (CVOSOFT) por lo tanto, no podrá ser publicado

Más detalles

Data Warehousing. Arquitectura de procesos en un sistema de data warehousing. Facultad de Ingeniería Escuela de Ingeniería de Sistemas y Computación

Data Warehousing. Arquitectura de procesos en un sistema de data warehousing. Facultad de Ingeniería Escuela de Ingeniería de Sistemas y Computación Data Warehousing Arquitectura de procesos en un sistema de data warehousing Procesos en DW Un sistema completo de data warehousing lleva a cabo tres tareas: Suministrar datos al data warehouse Gestión

Más detalles

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

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

Más detalles

NORMALIZACION. Definición.

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

Más detalles

Tecnologías de Información y Comunicación II.

Tecnologías 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 detalles

DISENO RELACIONAL DE BASES DE DATOS

DISENO RELACIONAL DE BASES DE DATOS DISENO RELACIONAL DE BASES DE DATOS 3. DISEÑO RELACIONAL DE BASES DE DATOS. El desarrollo de Bases de Datos es un enfoque TOP-DOWN, que transforma los requerimientos de información en una base de datos

Más detalles

DATA WAREHOUSE DATA WAREHOUSE

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

Más detalles

Data Warehousing. Introducción. Facultad de Ingeniería Escuela de Ingeniería de Sistemas y Computación

Data Warehousing. Introducción. Facultad de Ingeniería Escuela de Ingeniería de Sistemas y Computación Data Warehousing Introducción Introducción Indice (I) Propiedades de un dw Arquitectura de procesos en un sistema de data warehousing Puntos clave Diseño de la base de datos de un data warehouse Indice

Más detalles

Módulo Minería de Datos

Módulo Minería de Datos Módulo Minería de Datos Diplomado Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Análsis Dimensional OLAP On-Line Analytical Processing Estructura del Proceso

Más detalles

- Bases de Datos - - Diseño Físico - Luis D. García

- Bases de Datos - - Diseño Físico - Luis D. García - Diseño Físico - Luis D. García Abril de 2006 Introducción El diseño de una base de datos está compuesto por tres etapas, el Diseño Conceptual, en el cual se descubren la semántica de los datos, definiendo

Más detalles

MIS DeltaMiner El cuadro de mandos para su negocio

MIS DeltaMiner El cuadro de mandos para su negocio MIS DeltaMiner El cuadro de mandos para su negocio La gestión de su información crítica justifica el retorno de la inversión en su Data Mart La información almacenada en los Data Mart de MIS Alea puede

Más detalles

Fundamentos de la Inteligencia de Negocios

Fundamentos 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 detalles

Sybase IQ Servidor analítico con arquitectura basada en columnas

Sybase IQ Servidor analítico con arquitectura basada en columnas Sybase IQ Servidor analítico con arquitectura basada en columnas www.sybase.es Sybase IQ Descripción Tener acceso a toda la información de que dispone su organización, con el fin de analizarla no es hoy

Más detalles

Sistemas de Datos. Data warehouse y Business Intelligence

Sistemas de Datos. Data warehouse y Business Intelligence Data warehouse y Business Intelligence Esquema de la clase 1. Los tres problemas del OLTP 2. Qué es Data warehouse y Business Intelligence? 3. La arquitectura de la solución. 5. Construcción de la solución

Más detalles

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

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

Más detalles

Sistemas de Información para la Gestión. Unidad 3 Aplicaciones de Sistemas

Sistemas de Información para la Gestión. Unidad 3 Aplicaciones de Sistemas para la Gestión Unidad 3 Aplicaciones de Sistemas U.N.Sa. Facultad de Cs.Económicas SIG 2010 UNIDAD 3: APLICACIONES DE SISTEMAS Aplicaciones empresariales: Sistemas empresariales. Sistemas de administración

Más detalles

Inteligencia de Negocios

Inteligencia de Negocios Inteligencia de Negocios El warehouse, data mart y ETL Clase 4 La arquitectura de la solución Fuentes de datos Sistema operacional A Extracción Área del warehouse Transformación Area de trabajo Herramientas

Más detalles

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES El modelo relacional se basa en dos ramas de las matemáticas: la teoría de conjuntos y la lógica de predicados de primer orden. El hecho de que

Más detalles

Las mejores prácticas

Las mejores prácticas IBM DB2 para Linux, UNIX, y Windows Las mejores prácticas Administración de datos XML Matthias Nicola Laboratorio Silicon Valley de IBM Susanne Englert Laboratorio Silicon Valley de IBM Administración

Más detalles

Apoyo a la toma de Decisiones. Carlos A. Olarte Bases de Datos II

Apoyo a la toma de Decisiones. Carlos A. Olarte Bases de Datos II Carlos A. Olarte Bases de Datos II Contenido 1 Introducción 2 OLAP 3 Data Ware Housing 4 Data Mining Introducción y Motivación Cómo puede analizarse de forma eficiente volúmenes masivos de datos? La consulta,

Más detalles

UNIDAD 3. MODELO RELACIONAL

UNIDAD 3. MODELO RELACIONAL UNIDAD 3. MODELO RELACIONAL El modelo relacional se basa en dos ramas de las matemáticas: la teoría de conjuntos y la lógica de predicados de primer orden. El hecho de que el modelo relacional esté basado

Más detalles

Fundamentos de la Inteligencia de Negocios

Fundamentos de la Inteligencia de Negocios para la Gestión UNIDAD 3: APLICACIONES DE SISTEMAS Unidad 3 Aplicaciones de Sistemas Aplicaciones empresariales: Sistemas empresariales. Sistemas de administración de la cadena de suministros. Sistemas

Más detalles

ALMACENES PARA GESTIÓN MASIVOS.... ALMACENES PARA GESTIÓN MASIVOS 1 ALMACENES PARA GESTIÓN MASIVOS 2 EL OBJETIVO ES EL ANÁLISIS PARA EL SOPORTE EN LA TOMA DE DECISIONES. GENERALMENTE, LA INFORMACIÓN QUE

Más detalles

Un programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1

Un programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1 15.053 Jueves, 4 de abril Un programa entero de dos variables Introducción a la programación entera Modelos de programación entera Handouts: material de clase maximizar 3x + 4y sujeto a 5x + 8y 24 x, y

Más detalles

Informática II Ing. Industrial. Data Warehouse. Data Mining

Informática II Ing. Industrial. Data Warehouse. Data Mining Data Warehouse Data Mining Definición de un Data Warehouses (DW) Fueron creados para dar apoyo a los niveles medios y altos de una empresa en la toma de decisiones a nivel estratégico en un corto o mediano

Más detalles

Todos los derechos reservados, prohibida la reproducción, Instituto Gala de Venezuela 1

Todos los derechos reservados, prohibida la reproducción, Instituto Gala de Venezuela 1 Sé diferente, intégrate Mm055 Manual ACCESS 2013 Autor: Orlando Gutiérrez Fecha: 01/03/2013 Todos los derechos reservados, prohibida la reproducción, Instituto Gala de Venezuela 1 INDICE Pag. 3 Lección

Más detalles

Tecnología aplicada a la toma de decisiones o malas decisiones en tecnología?

Tecnología aplicada a la toma de decisiones o malas decisiones en tecnología? Tecnología aplicada a la toma de decisiones o malas decisiones en tecnología? DUTI 2007 LA PLATA AGOSTO 2007 Ernesto Chinkes Facultad de Ciencias Económicas Universidad de Buenos Aires Esquema del trabajo

Más detalles

Análisis del Sistema de Información

Análisis del Sistema de Información Análisis del Sistema de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 2 ACTIVIDAD ASI 1: DEFINICIÓN DEL SISTEMA... 6 Tarea ASI 1.1: Determinación del Alcance del Sistema... 6 Tarea ASI 1.2: Identificación

Más detalles

Presentación. Introducción. Carmen Gloria Wolff

Presentación. Introducción. Carmen Gloria Wolff Carmen Gloria Wolff Presentación En la edición anterior de Ingeniería Informática se comenzó una serie de artículos relacionados con la tecnología Datawarehousing, el primero de ellos "Tecnología Datawarehousing"

Más detalles

EJ-DSI. Ejemplo - Diseño del Sistema de Información

EJ-DSI. Ejemplo - Diseño del Sistema de Información EJ-DSI Ejemplo - Diseño del Sistema de Información 1 Estructura DSI 1 Definición de la Arquitectura del Sistema DSI 2 Diseño de la arquitectura de soporte DSI 3 Diseño de Casos de Uso Reales DSI 4 Diseño

Más detalles

Excelencia Operativa. Pilar para alcanzar el Crecimiento. Rentable en Colombia POR: DAVID MONROY Y ROBERTO PALACIOS, SINTEC INTRODUCCIÓN.

Excelencia Operativa. Pilar para alcanzar el Crecimiento. Rentable en Colombia POR: DAVID MONROY Y ROBERTO PALACIOS, SINTEC INTRODUCCIÓN. Excelencia Operativa Pilar para alcanzar el Crecimiento Rentable en Colombia POR: DAVID MONROY Y ROBERTO PALACIOS, SINTEC Síguenos: @Perspectiva Sintec @Sintec_ @PerspectivaSintec INTRODUCCIÓN Toda empresa

Más detalles

Informática Aplicada a la Administración de Fincas Microsoft Excel

Informática Aplicada a la Administración de Fincas Microsoft Excel 08/11/2003 1 Graduado en Estudios Inmobiliarios Informática Aplicada a la Administración de Fincas Microsoft Excel Octubre 2003 David Bueno Vallejo 1. Conceptos Básicos B de hojas de calculo 08/11/2003

Más detalles

Diseño del Sistema de Información

Diseño del Sistema de Información Diseño del Sistema de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS...2 ACTIVIDAD DSI 1: DEFINICIÓN DE LA ARQUITECTURA DEL SISTEMA...7 Tarea DSI 1.1: Definición de Niveles de Arquitectura...9 Tarea DSI 1.2:

Más detalles

Fundamentos de la Inteligencia de Negocios

Fundamentos 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

Diseño del Sistema de Información

Diseño del Sistema de Información Diseño del Sistema de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 2 ACTIVIDAD DSI 1: DEFINICIÓN DE LA ARQUITECTURA DEL SISTEMA... 7 Tarea DSI 1.1: Definición de Niveles de Arquitectura... 9 Tarea DSI

Más detalles

Sex Shop. Además de las generalidades de cualquier empresa, Delfos ERP Sexshop, incorpora una serie de funcionalidades adaptadas al mundo específico.

Sex Shop. Además de las generalidades de cualquier empresa, Delfos ERP Sexshop, incorpora una serie de funcionalidades adaptadas al mundo específico. Los programas de la colección Delfos ERP, son un conjunto de módulos capaces de dar solución informática a todas las áreas de una empresa y disponen de las ventajas de los programas estándar con las particularidades

Más detalles

Curso de Pentaho. Business Intelligence and Data Warehousing with Pentaho

Curso de Pentaho. Business Intelligence and Data Warehousing with Pentaho Curso de Pentaho Business Intelligence and Data Warehousing with Pentaho Descripción: Pentaho proporciona inteligencia de negocios (BI) y soluciones de almacenamiento de datos (dataware house) a una fracción

Más detalles

Qué es la cadena de suministro?

Qué es la cadena de suministro? Qué es la cadena de suministro? Es una red global utilizada para entregar productos y servicios, desde las materias primas hasta los clientes finales a través de un flujo de información con ingeniera aplicada,

Más detalles

Unidad III Modelamiento Multidimencional. Tecnología DATAWAREHOUSE

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

Más detalles

Botón menú Objetivo de la Minería de datos.

Botón 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 detalles

Metadatos en Plataformas ECM

Metadatos en Plataformas ECM Metadatos en Plataformas ECM understanding documents Ofrece tu sistema soporte para tipos documentales en bases de datos? Por qué debería importarte? Marzo, 2013 Basado en: Manejo de metadatos en plataformas

Más detalles

Excel y bases de datos

Excel y bases de datos Excel y bases de datos Los sistemas especializados en el manejo de bases de datos son denominados motores o manejadores de bases de datos. las características técnicas que debe cumplir un sistema de este

Más detalles

Microsoft Dynamics NAV

Microsoft Dynamics NAV Microsoft Dynamics NAV Maximizar el valor a través de conocimiento de negocio Business Intelligence White Paper Noviembre 2011 La información contenida en este documento representa el punto de vista actual

Más detalles

Herramienta de Gestión Integral de Riesgos

Herramienta de Gestión Integral de Riesgos Herramienta de Gestión Integral de Riesgos Instituciones Financieras www.managementsolutions.com Por qué MIR MIR es la solución de Management Solutions para la gestión integral del riesgo, que unifica

Más detalles

Análisis de Requisitos

Análisis de Requisitos Análisis de Requisitos Los requisitos determinan lo que hará el sistema y definen restricciones sobre su operación e implementación. El análisis de requisitos es el proceso del estudio de las necesidades

Más detalles

Programa Internacional Business Intelligence

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

Más detalles

SQL Server Business Intelligence parte 1

SQL Server Business Intelligence parte 1 SQL Server Business Intelligence parte 1 Business Intelligence es una de las tecnologías de base de datos más llamativas de los últimos años y un campo donde Microsoft ha formado su camino a través de

Más detalles

GESTIÓN DE CUENTAS A COBRAR Y CUENTAS A PAGAR

GESTIÓN DE CUENTAS A COBRAR Y CUENTAS A PAGAR GESTIÓN DE CUENTAS A COBRAR Y CUENTAS A PAGAR Microsoft Business Solutions-Navision le proporciona un sistema de gestión de clientes y proveedores eficaz que le ayuda a fortalecer las relaciones empresariales.

Más detalles

Unidad 2: Gestión de Memoria

Unidad 2: Gestión de Memoria Unidad 2: Gestión de Memoria Tema 3, Gestión de Memoria: 3.1 Definiciones y técnicas básicas. 3.2 Gestión de memoria contigua: Partición, fragmentación, algoritmos de ubicación... 3.3 Paginación: Estructura

Más detalles

Metodología para el Modelamiento De un Datawarehouse AMDE. Fundamentos de un Proyecto De. www.e-cronia.com. www.e-cronia.com. www.eduardoleyton.

Metodología para el Modelamiento De un Datawarehouse AMDE. Fundamentos de un Proyecto De. www.e-cronia.com. www.e-cronia.com. www.eduardoleyton. Metodología para el Modelamiento De un Datawarehouse Fundamentos de un Proyecto De Almacenamiento Masivo de Datos Estratégicos AMDE 1 EL PROPOSITO DE LA TECNOLOGIA INFORMATICA VA MAS ALLA DE SIMPLEMENTE

Más detalles

Control Informático de Gestión. Tema 5: Sistemas de Apoyo a la Toma de Decisiones

Control Informático de Gestión. Tema 5: Sistemas de Apoyo a la Toma de Decisiones Control Informático de Gestión Tema 5: Sistemas de Apoyo a la Toma de Decisiones Índice Revisión de los sistemas de información en la empresa La información y la toma de decisiones Sistemas transaccionales

Más detalles

FUENTES SECUNDARIAS INTERNAS

FUENTES SECUNDARIAS INTERNAS FUENTES SECUNDARIAS INTERNAS Las fuentes secundarias son informaciones que se encuentran ya recogidas en la empresa, aunque no necesariamente con la forma y finalidad que necesita un departamento de marketing.

Más detalles

Programa Analítico Plan de estudios 2011. Asignatura: Bases de Datos

Programa Analítico Plan de estudios 2011. Asignatura: Bases de Datos Programa Analítico Plan de estudios 2011 Asignatura: Bases de Datos CARRERA: LCC Lic. en y LSI Ciencias de la Computación - Lic. en Sistemas de Información AÑO: 3 (LCC) y 4 (LSI) CREDITO HORARIO: 7 DESPLIEGUE:

Más detalles

SISTEMAS DE GESTIÓN DE BASE DE DATOS SGBD / DBMS

SISTEMAS DE GESTIÓN DE BASE DE DATOS SGBD / DBMS Universidad de Carabobo Facultad Experimental de Ciencias y Tecnología Departamento de Computación Unidad Académica Base de Datos SISTEMAS DE GESTIÓN DE BASE DE DATOS SGBD / DBMS Integrantes: Fidel Gil

Más detalles

Datawarehouse. Ing. Adan Jaimes Jaimes. Datawarehouse

Datawarehouse. 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 detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 2 - Juan Alfonso Lara Torralbo 1 Índice de contenidos (I) Introducción a Data Mining Actividad. Tipos

Más detalles

Boletín Advisory* En este número. Introducción

Boletín Advisory* En este número. Introducción Boletín Advisory* Marzo 2006 Distribución exclusiva para clientes y relacionados de Espiñeira, Sheldon y Asociados En este número Introducción Funcionalidades claves de SAP Business One Beneficios Riesgos

Más detalles

Business Intelligence. Octubre 2007 1

Business Intelligence. Octubre 2007 1 Business Intelligence 1 1. Introducción al Business intelligence Qué es? En qué nivel de negocio se aplica? 2. Componentes del BI Esquema de una solución BI DataWarehouse Query & Reporting OLAP Cuadro

Más detalles

6.FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS: ADMINISTRACION DE BASES DE DATOS E INFORMACION

6.FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS: ADMINISTRACION DE BASES DE DATOS E INFORMACION 6.FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS: ADMINISTRACION DE BASES DE DATOS E INFORMACION CAJERO AUTOMATICO RESTAURANTE SUPERMERCADO YOUTUBE CINE UNIVERSIDAD BIBLIOTECA Administrador de Base de Datos

Más detalles

INTRODUCCIÓN AL DATAWAREHOUSING

INTRODUCCIÓN AL DATAWAREHOUSING INTRODUCCIÓN AL DATAWAREHOUSING Gestión de Datos Ingeniería en Sistemas de Información Profesor: Juan Zaffaroni Universidad Tecnológica Nacional Facultad Regional Buenos Aires INDICE INTRODUCCIÓN...4 Definición

Más detalles

El modelo relacional

El modelo relacional El modelo relacional El modelo relacional constituye una alternativa para la organización y representación de la información que se pretende almacenar en una base de datos. Se trata de un modelo teórico

Más detalles

Programación Avanzada. Análisis Modelado del Dominio

Programación Avanzada. Análisis Modelado del Dominio Programación Avanzada Análisis Modelado del Dominio Contenido Introducción Modelo de Dominio Conceptos Asociaciones Atributos Generalizaciones Otros elementos Restricciones Programación Avanzada Análisis:

Más detalles