La Investigación en OLAP y Data Warehousing: Pasado, Presente y Futuro

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

Download "La Investigación en OLAP y Data Warehousing: Pasado, Presente y Futuro"

Transcripción

1 La Investigación en OLAP y Data Warehousing: Pasado, Presente y Futuro Alejandro Vaisman Universidad de Buenos Aires / Universidad de Chile Jornadas de Data Mining Facultad de Ciencias Exactas y Naturales UBA 29 de Setiembre de /29/2006 1

2 Agenda Conceptos generales Tópicos de investigación Pasado y presente Futuro 9/29/2006 2

3 Agenda Conceptos generales Tópicos de investigación Pasado y presente Futuro 9/29/2006 3

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

5 Definición (cont.) Un Data Warehouse es una colección de datos orientada al negocio, integrada, variante en el tiempo y no volátil para el soporte del proceso de toma de decisiones de la gerencia. W.H. Inmon 9/29/2006 5

6 Características Orientado al Negocio - organiza y presenta los datos desde la perspectiva del usuario. Maneja gran volumen de datos - contiene datos históricos. Almacena información sobre diversos medios -a causa del gran volumen que debe manejar. 9/29/2006 6

7 Características(cont.) Abarca múltiples versiones de un esquema de base de datos - debido a la información histórica que contiene. Sumariza y agrega información - para presentarla de una manera comprensible para los usuarios. Integra y asocia información proveniente de diversas fuentes - datos recolectados durante años por diversas aplicaciones. 9/29/2006 7

8 Motivación Mercados altamente dinámicos y competitivos. Necesidad de tomar decisiones rápidamente. Aumento de la capacidad de almacenamiento. Crecientes volúmenes de información disponible. Baja de costos del Hardware. 9/29/2006 8

9 OLTP - On Line Transaction Processing Procesamiento de los datos operacionales. Gran nivel de detalle. Sistemas diseñados para soportar actualizaciones consistentes (normalización). Ineficiente para toma de decisiones. Consultas orientadas a obtener como respuesta unos pocos registros. 9/29/2006 9

10 OLAP - On Line Analytical Processing Sistemas que permiten recolectar y organizar la información analítica realmente necesaria y disponer inmediatamente de ella en diversos formatos (tablas, gráficos, reportes, etc.). Analizan los datos desde diferentes perspectivas (dimensiones) del negocio. Soportan análisis complejos de grandes volúmenes de datos. En consecuencia: Distintas tecnicas de diseño requeridas (p.ej. desnormalización) Distintos mecanismos de procesamiento de consultas (orientados a consultas de agregación) 9/29/

11 OLTP vs. OLAP OLTP OLAP Usuario Tipico empleado profesional Uso del sistema operacional análisis Interaccion usuarios predeterminada ad-hoc Unidad de trabajo transaccion consulta Caracteristicas lectura/escritura lectura Registros accedidos decenas millones Cant. de usuarios miles cientos Focalizacion ABM de datos extraer información 9/29/

12 Componentes Fuentes de datos. Sistemas operacionales, información externa, etc. Meta Datos. Estructura, definición y origen de los Datos. Data Warehouse. Datos organizados y herramientas para su análisis. Usuarios. Responsables de tomar decisiones. 9/29/

13 Enterprise Warehouse Representa la información de toda la organización Data Mart Tres Clases de Data Warehouse Un subconjunto de la información de la organización, que es de valor para grupos específicos de usuarios. Virtual Warehouse Un conjunto de vistas sobre los datos operacionales Solo unas pocas se materializan 9/29/

14 Arquitectura Típica Otras Fuentes BD Operacionales Metadata Extracción Transformación Carga Actualización Monitor & Integrador Data Warehouse OLAP Server Server Analysis Consultas Reportes Data mining Data Marts Fuentes de datos Almacenamiento de datos Motor OLAP Herramientas Front-End 9/29/

15 El Modelo Multidimensional Vista multidimensional del data warehouse => influencia el diseño de la base de datos, las herramientas front-end, y los motores OLAP. Modelo multidimensional de datos: un conjunto de medidas numéricas son los objetos de análisis. Ej: ventas, beneficios, duración de llamadas, etc. Adicionalmente existen, asociadas a las medidas, las dimensiones de análisis, que proveen el contexto a las medidas, y se describen mediante atributos. El modelo define una medida como un valor en un espacio multidimensional. Estas medidas pueden también representar datos agregados. Las dimensiones se pueden organizar en jerarquías de agregación. 9/29/

16 Jerarquías Dimensionales all all región Europa... América del Norte país Alemania... España Canadá... Méjico ciudad Frankfurt... Vancouver... Toronto oficina L. Chan... M. Wind Esquema Instancia 9/29/

17 TV PC VCR sum Producto Ejemplo de Data Cube Tiempo 1 er trim 2 do Qtr 3 er trim 4 to trim sum Ventas totales de TV en U.S.A. U.S.A Canada Méjico País sum 9/29/

18 Diseño El esquema estrella (Kimball, 1995) describe el modelo multidimensional de datos mediante tablas de hechos y tablas de dimensión. Ejemplo: queremos modelar y analizar las ventas a través de múltiples dimensiones. Tablas de Dimensión: Productos (item_id, marca, tipo), o Tiempo (día, semana, mes, trimestre, año), Geografía (sucursal, ciudad, region) Tablas de Hechos: contienen medidas (como ventas_totales) y las claves de las tablas de dimensión; ej: Ventas (item_id,día,sucursal,ventas_totales). Variante normalizada: el esquema snowflake. No provee soporte directo a las jerarquias dimensionales 9/29/

19 Diseño Físico: ROLAP vs. MOLAP El modelo multidimensional es implementado directamente por los llamados servidores MOLAP (Multidimensional OLAP). Soportan la visión multidimensional de datos mediante un motor de almacenamiento multidimensional, conformado por arrays propietarios. No requieren un mapping entre modelos. Excelente performance; problema: dimensiones esparzas. Si se utilizan BD relacionales como servidores, el modelo y sus operaciones deben ser mapeados a relaciones y consultas SQL => implementación ROLAP (Relational OLAP) Extienden el modelo relacional los servidores relacionales con middleware que soporta consultas multidimensionales. Utilizan diversas técnicas de materialización de vistas. 9/29/

20 Agenda Conceptos generales Tópicos de investigación Pasado y presente Futuro 9/29/

21 Tópicos de investigación (i) Diseño y modelado Distintos modelos multidimensionales Modelos relacionales y multidimensionales (ROLAP/MOLAP) Formas normales / constraints Metodologías Mapeo de modelos (ER - Star Schema) 9/29/

22 Tópicos de investigación (cont.) (ii) Procesamiento de consultas Optimización tradicional Materialización de vistas Materialización total vs. Selección de vistas materializadas Indexación Indices multidimensionales Indices Bitmap Star-Join, etc. Optimización avanzada Range queries Iceberg queries Cube Caching Procesamiento paralelo 9/29/

23 Tópicos de investigación (cont.) (iii) Integración de datos Integración de datos de distintas fuentes Aspectos teóricos LAV GAV - GLAV Mediadores, wrappers Resolución de conflictos 9/29/

24 Tópicos de investigación (cont.) (iv) Mantenimiento del Data Warehouse Mantenimiento de vistas materialzadas Minimización del tiempo de updates Propagación y refresco Mantenimiento incremental Mantenimiento on-line (distintas versiones simultáneas) Updates Dimensiones Fact tables 9/29/

25 Tópicos de investigación (cont.) (v) Misceláneas Privacidad y seguridad de la información en OLAP Premisa: permitir el análisis, manteniendo la privacidad de la información Visualización en OLAP Calidad de datos OLAP en sistemas de información geográfica (GIS) Agregación de regiones Agregación de medidas combinadas con consultas sobre geometrías Top-k queries OLAP y dispositivos moviles Modelado Procesamiento de consultas 9/29/

26 Tópicos de investigación (cont.) (vi) Modelos avanzados Temporal OLAP Mantenimiento de la historia del DW Evolución de esquemas vs. versionado de esquemas OLAP en arquitecturas P2P OLAP & XML Análisis OLAP para datos XML Web Warehousing Considerar la Web como un gran repositorio de información. Aplicar técnicas OLAP al sitio Web de la organización. Publicar el DW en la Web. 9/29/

27 Agenda Conceptos generales Tópicos de investigación Pasado y presente Futuro 9/29/

28 Pasado y Presente Principios de los 90 Inmon define data warehousing Interés desde el mundo empresario Interés desde los proveedores de software Tema casi ignorado en el mundo académico Aparecen los primeros problemas comunes a los DBMS s tradicionales: Integración de fuentes heterogéneas Vistas materializadas Resolver eficientemente consultas que incluyen agregación de datos 9/29/

29 Pasado y Presente (cont.) 1995, año clave Comienzo del proyecto de DW de Stanford Desarrollo de algoritmos y herramientas eficientes para integración de información desde fuentes heterogéneas Creciente interes desde el mundo académico Aparecen workshops y conferencias dedicadas al tema Papers en las conferencias más importantes (SIGMOD, VLDB, ICDE, EDBT) Comienzan a surgir herramientas comerciales especializadas 9/29/

30 Pasado y Presente (cont.) 1995, año clave Paper de J. Widom en CIKM 95: Research Problems in Data Warehousing Identifica una serie de problemas: Detección de cambios (refresco incremental de datos) Mantenimiento de vistas materializadas (summary tables) El proceso de ETL (Extraction, Transformation and Loading) Optimización Diseño Evolución 9/29/

31 Pasado y Presente (cont.) Entre 1995 y Modelado Agrawal, Gupta, Sarawagi, Modeling Multidimensional Databases. IBM Research Center, Almaden, Cabibbo & Torlone, Querying Multidimensional Databases, DBPL 1997; A Logical Approach to Multidimensional Databases, EDBT 1998 (mapping ER- Star Schema). M. Gyssens & L.V.S. Lakshmanan, A foundation for multi-dimensional databases, VLDB (basado en el MR) Gray et al. Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals, Journal of Data Mining & Knowledge Discovery, /29/

32 Pasado y Presente (cont.) Entre 1995 y Query processing & Indexing V. Harinarayan, A. Rajaraman, J.D. Ullman, Implementing Data Cubes Efficiently, SIGMOD S. Agarwal, R. Agrawal, P.M. Deshpande, A. Gupta, J.F. Naughton, R. Ramakrishnan, S. Sarawagi, On the Computation of Multidimensional Aggregates, VLDB H. Gupta, Selection of Views to Materialize in a Data Warehouse, ICDT Y. Zhao, P.M. Deshpande, J.F. Naughton, An Array-Based Algorithm for Simultaneous Multidimensional Aggregates, SIGMOD H. Gupta, V. Harinarayan, A. Rajaraman, J. Ullman, Index Selection for OLAP, ICDE S. Sarawagi, Indexing OLAP Data, IEEE Data Engineering Bulletin, Wu & Buchmann, Encoded Bitmap Indexing for Data Warehouses, ICDE /29/

33 Pasado y Presente (cont.) Entre 1995 y Mantenimiento Y. Zhuge, H. Garcia-Molina, J. Hammer, J. Widom, View Maintenance in a Warehousing Environment, SIGMOD I.S. Mumick, Quass, B.S. Mumick, Maintenance of data cubes and summary tables in a warehouse, SIGMOD D. Quass and J. Widom, On-Line Warehouse View Maintenance for Batch Updates, SIGMOD Labio, Yerneni, Garcia-Molina, Shrinking the Warehouse Update Window, SIGMOD Hurtado, Mendelzon, Vaisman, Maintaining Data Cubes under Dimension Updates, ICDE /29/

34 Pasado y Presente (cont.) Hacia fines del siglo XX... Continúa el interés de la comunidad científica Se consolida el número de herramientas comerciales Se desarrollan (sobre todo a nivel internacional) una gran cantidad de implementaciones. 9/29/

35 Pasado y Presente (cont.) Hacia fines del siglo XX... Paper de Vassiliadis en DMDW 2000: Gulliver in the land of Data Warehousing: Practical Experiences and Observations of a Researcher Detecta un gap significativo entre investigación e industria Investigadores no conocen los problemas reales Empresas no interesadas en los resultados de las investigaciones 20 papers por año en VLDB, PODS, SIGMOD Temas: optimización, selección de vistas materializadas, integración de datos Problemas: Falta de metodologías de diseño y desarrollo Falta de standards para metadatos Falta de soluciones para ETL Dificultad para estimar el tamaño de las vistas 9/29/

36 Pasado y Presente (cont.) Donde estamos hoy? Menos investigación en DW & OLAP, NO indica que todo esté resuelto Entre 2000 y 2006, actividad centrada en workshops y conferencias especializadas (DOLAP, DMDW, DaWaK) Mendelzon & Vaisman, Temporal Queries in OLAP, VLDB Andreas Bauer, Wolfgang Hümmer, Wolfgang Lehner, and Lutz Schlesinger, A Decathlon in Multidimensional Modelling: Open Issues and Some Solutions, DaWaK Veronika Peralta & Raul Ruggia, Using Design Guidelines to Improve Data Warehouse Logical Design, DMDW Dong Xin, Jiawei Han, Xiaolei Li, and Benjamin W. Wah, Star-Cubing: Computing Iceberg Cubes by Top-Down and Bottom-Up Integration, VLDB, S.Chen, B. Liu, E.Rundensteiner, Multiversion Based View Maintenance Over Distributed Data Sources, ACM TODS B. Shah, K. Ramachandran, V. Raghavan, H. Gupta, A Hybrid Approach for Data Warehouse View Selection, International Journal of Data Warehousing and Mining, /29/

37 Pasado y Presente (cont.) Que estamos haciendo en la FCEyN? Temporal OLAP: TOLAP / TOLAP en la Web Vaisman, Ktenas, Izquierdo, A Web-based Architecture for Temporal OLAP, IJWET special issue on Data Warehousing in Web, Mobile, And Wireless Environments, Vaisman, Ktenas, Izquierdo, Web-enabled Temporal OLAP, LA-Web P2P OLAP Requerimientos, calidad de datos Data Quality-Based Requirements Elicitation for Decision Support Systems, en: Data Warehouses and OLAP: Concepts, Architectures and Solutions, Cap. 7., Alejandro A. Vaisman: Requirements Elicitation for Decision Support Systems: A Data Quality Approach, ICEIS Proyecto en calidad de datos en DW con la Universidad de la Republica, Uruguay. OLAP & GIS Proyecto PICT Cooperación bilateral SECyT-FWO, con la Universidad de Hasselt, Bélgica 9/29/

38 Pasado y Presente (cont.) Donde estamos hoy? Arquitecturas Modelado, requerimientos, calidad OLAP Lenguajes de consulta / procesamiento Optimización y tunning Indexing, DW físico 9/29/

39 Agenda Conceptos generales Tópicos de investigación Pasado y presente Futuro 9/29/

40 Futuro Temas abiertos Diseñadores Metodologías standard y utilizables para: Requerimientos Modelización Integración de fuentes de datos Esquemas de documentación integrados 9/29/

41 Futuro (cont.) Temas abiertos Usuarios Documentación, descripciones de alto nivel para comprender mejor la información como un activo Metadatos Standard de interoperabilidad en arquitecturas federativas Calidad de datos Falta de un enfoque común para evaluar la calidad de los datos Evolución 9/29/

42 Futuro (cont.) Temas abiertos Herramientas Integración de fuentes. Diseño Herramientas CASE especializadas Herramientas de documentación Requerimientos Modelización Integración de fuentes de datos Evolución Herramientas que soporten naturalmente versionado y evolución 9/29/

43 Futuro (cont.) Preguntas? 9/29/

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

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

Bases de Datos Masivas

Bases de Datos Masivas Bases de Datos Masivas Data Warehouse Bases de Datos Multidimensionales Banchero, Santiago Septiembre 2015 Concepto de DW. Definición según W. H. Inmon: A data warehouse is a subject-oriented, integrated,

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

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

Conciencia Tecnológica ISSN: 1405-5597 contec@mail.ita.mx Instituto Tecnológico de Aguascalientes México

Conciencia Tecnológica ISSN: 1405-5597 contec@mail.ita.mx Instituto Tecnológico de Aguascalientes México Conciencia Tecnológica ISSN: 1405-5597 contec@mail.ita.mx Instituto Tecnológico de Aguascalientes México García Merayo, Félix; Luna Ramírez, Enrique El proceso Data Warehousing y los meta datos Conciencia

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

PROYECTO DE TESIS DIEGO GALLARDO. ESPEL - Diego Gallardo

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

Más detalles

SQL Server Business Intelligence parte 1

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

Más detalles

Sistemas de Información para la Gestión. UNIDAD 2: RECURSOS DE TI Información y Aplicaciones

Sistemas de Información para la Gestión. UNIDAD 2: RECURSOS DE TI Información y Aplicaciones UNIDAD 2: RECURSOS DE TI Información y Aplicaciones UNIDAD 2: RECURSOS DE TI Información y Aplicaciones 1. La Información: Propiedades de la Información. Sistemas de Información. Bases de Datos. 2. Administración

Más detalles

Comparing the MOLAP the ROLAP storage models

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

Más detalles

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

Implementación de herramientas CASE que asistan en el Diseño de Data Warehouses

Implementación de herramientas CASE que asistan en el Diseño de Data Warehouses Implementación de herramientas CASE que asistan en el Diseño de Data Warehouses Verónika Peralta, Raúl Ruggia Universidad de la República, Uruguay. {vperalta, ruggia}@fing.edu.uy Resumen: Un Data Warehouse

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

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

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

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

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

Fundamentos de Data Warehouse

Fundamentos de Data Warehouse Mendez, A., Mártire, A., Britos, P. Y Garcia-Martínez, R. Centro de Actualización Permanente en Ingeniería del Software Escuela de Postgrado Instituto Tecnológico de Buenos Aires Av. Eduardo Madero 399

Más detalles

IMPLEMENTACIÓN DE UN DATA MART PARA UN SERVICIO DE DOSIMETRÍA EXTERNA.

IMPLEMENTACIÓN DE UN DATA MART PARA UN SERVICIO DE DOSIMETRÍA EXTERNA. X Congreso Regional Latinoamericano IRPA de Protección y Seguridad Radiológica Radioprotección: Nuevos Desafíos para un Mundo en Evolución Buenos Aires, 12 al 17 de abril, 2015 SOCIEDAD ARGENTINA DE RADIOPROTECCIÓN

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

Licencia GNU FDL. Detalle del cambio. Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Versión incial. 05/11/2009

Licencia GNU FDL. Detalle del cambio. Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Versión incial. 05/11/2009 Licencia GNU FDL Copyright 2009 Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Se otorga permiso para copiar, distribuir y/o modificar este documento bajo los términos de la Licencia

Más detalles

RECURSOS DE TI Aplicaciones - Bibliografía FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS

RECURSOS DE TI Aplicaciones - Bibliografía FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS Sistemas de Información para la Gestión UNIDAD 3: RECURSOS DE TECNOLOGÍA DE INFORMACIÓN Aplicaciones UNIDAD 2: RECURSOS DE TI Aplicaciones 1. Administración de bases de datos e información: Sistemas de

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

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

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

Más detalles

Concepción - Chile Marcela Varas Universidad de Concepción Chile - 2012

Concepción - Chile Marcela Varas Universidad de Concepción Chile - 2012 Presentación Concepción - Chile www.udec.cl Universidad de Concepción - Chile Estudiantes Universidad de Concepción Departamento de Ingeniería Informática y Ciencias de la Computación Facultad de Ingeniería

Más detalles

Modelos Multidimensionales con Analysis Services Primeros Pasos

Modelos Multidimensionales con Analysis Services Primeros Pasos Modelos Multidimensionales con Analysis Services Primeros Pasos Marco Tulio Gómez mgomez@solcomp.com MSc. Tecnologías de la Información MCITP Business Intelligence Developer MCTS Business Intelligence

Más detalles

Minería de Datos JESÚS ANTONIO GONZÁLEZ BERNAL. Universidad UPP

Minería de Datos JESÚS ANTONIO GONZÁLEZ BERNAL. Universidad UPP Universidad Politécnica de Puebla UPP JESÚS ANTONIO GONZÁLEZ BERNAL 1 2 Evolución de la Tecnología BD 1960 s y antes Creación de las BD en archivos primitivos 1970 s hasta principios de los 1980 s BD Jerárquicas

Más detalles

La Base de Datos OLAP Analysis Services (SSAS) Agenda. Agenda. Construyendo una Solución de BI paso a paso con SQL Server 2005

La Base de Datos OLAP Analysis Services (SSAS) Agenda. Agenda. Construyendo una Solución de BI paso a paso con SQL Server 2005 Construyendo una Solución de BI paso a paso con SQL Server 2005 La Base de Datos OLAP Analysis Services (SSAS) Ing. José Mariano Alvarez Jose.Mariano.Alvarez@SqlTotalConsulting.com Agenda Por qué Analysis

Más detalles

ARQUITECTURA DE UNA BODEGA DE DATOS

ARQUITECTURA DE UNA BODEGA DE DATOS ARQUITECTURA DE UNA BODEGA DE DATOS Estructura de contenidos INTRODUCCIÓN... 3 1. ARQUITECTURA DE UNA BODEGA DE DATOS... 3 1.1 PROPIEDADES... 3 1.2 ARQUITECTURA DE UNA CAPA... 4 1.3 ARQUITECTURA DE DOS

Más detalles

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR ÁREA DE CONOCIMIENTO DE CIENCIAS DEL MAR DEPARTAMENTO ACADÉMICO DE SISTEMASCOMPUTACIONALES TESIS

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR ÁREA DE CONOCIMIENTO DE CIENCIAS DEL MAR DEPARTAMENTO ACADÉMICO DE SISTEMASCOMPUTACIONALES TESIS UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR ÁREA DE CONOCIMIENTO DE CIENCIAS DEL MAR DEPARTAMENTO ACADÉMICO DE SISTEMASCOMPUTACIONALES TESIS CONSTRUCCIÓN DE UN DATAWAREHOUSE PARA DATOS DE PESCA RIBEREÑA

Más detalles

Business Intelligence.

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

Más detalles

PRINCIPIOS Y TÉCNICAS PRÁCTICAS PARA LA IMPLEMENTACIÓN DE UN PROTOTIPO DE DATA WAREHOUSE EN SQL 2000 Y ORACLE 10g CAPÍTULO 1

PRINCIPIOS Y TÉCNICAS PRÁCTICAS PARA LA IMPLEMENTACIÓN DE UN PROTOTIPO DE DATA WAREHOUSE EN SQL 2000 Y ORACLE 10g CAPÍTULO 1 CAPÍTULO 1 1. HISTORIA DE DATA WAREHOUSE: El concepto de un Data Warehouse es antiguo y se remonta a los años 70 s, en donde los estudios del MIT 1 desarrollaron una arquitectura informática óptima, por

Más detalles

Revista Cubana de Ciencias Informáticas ISSN: 1994-1536 rcci@uci.cu Universidad de las Ciencias Informáticas Cuba

Revista Cubana de Ciencias Informáticas ISSN: 1994-1536 rcci@uci.cu Universidad de las Ciencias Informáticas Cuba ISSN: 1994-1536 Universidad de las Ciencias Informáticas Cuba García Izquierdo, Malena; Macías Martínez, Manuel Diseño del repositorio de datos para la sala situacional de un sistema de gestión penitenciaria

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

FACULTAD DE INGENIERÍA. Bases de Datos Avanzadas

FACULTAD DE INGENIERÍA. Bases de Datos Avanzadas FACULTAD DE INGENIERÍA Ingeniería en Computación Bases de Datos Avanzadas Datawarehouse Elaborado por: MARÍA DE LOURDES RIVAS ARZALUZ Septiembre 2015 Propósito Actualmente las empresas necesitan contar

Más detalles

Business Intelligence

Business 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 detalles

Explotación de Datos Aplicada al Ámbito Universitario

Explotación de Datos Aplicada al Ámbito Universitario Instituto Tecnológico de Buenos Aires Universidad Politécnica de Madrid Trabajo presentado como requisito final del módulo IX de la Maestría en Ingeniería del Software Explotación de Datos Aplicada al

Más detalles

DATAMART PASO A PASO WWW.RUEDATECNOLOGICA.COM

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

Más detalles

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

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

Más detalles

Sistemas de Data Warehousing

Sistemas 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 detalles

SISTEMAS DE INTELIGENCIA DE NEGOCIOS

SISTEMAS DE INTELIGENCIA DE NEGOCIOS Estructura de contenidos INTRODUCCIÓN...3 1. BODEGA DE DATOS (DATA WAREHOUSE)...3 1.1. Componentes...3 1.1.1. Orígenes de datos...4 1.1.1.1. Sistemas propios...4 1.1.1.2. Origen externos...4 1.1.2. Área

Más detalles

Repositorios (data warehouses) OLAP

Repositorios (data warehouses) OLAP Repositorios (data warehouses) OLAP Carlos Hurtado Larrain Profesor Asistente, Departamento de Ciencias de la Computación, Universidad de Chile Contenido Motivación Nivel Lógico de un Repositorio OLAP

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

http://actualizacion.itesm.mx

http://actualizacion.itesm.mx Diplomado Modelado de base de datos con herramientas CASE y Reporting Services de Microsoft SQL Server 2008 Las empresas necesitan contar con sistemas de información modernos, ágiles y de calidad para

Más detalles

Sistemas de Inteligencia de Negocios

Sistemas 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 detalles

Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008

Oracle 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 detalles

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

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

Más detalles

FUNDAMENTOS DE DATA WAREHOUSE

FUNDAMENTOS DE DATA WAREHOUSE FUNDAMENTOS DE DATA WAREHOUSE 1. Qué es Data Warehouse? El Data Warehouse es una tecnología para el manejo de la información construido sobre la base de optimizar el uso y análisis de la misma utilizado

Más detalles

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

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

Más detalles

Capacitación SAP BW Plataforma Tecnológica Única

Capacitación SAP BW Plataforma Tecnológica Única Capacitación SAP BW Plataforma Tecnológica Única Noviembre, 2011 Agenda Presentación del Instructor e Integración Grupal Objetivos del Taller Qué es un Datawarehouse? Qué es SAP BW? Estructura / Capas

Más detalles

Business Intelligence: Competir con Información

Business Intelligence: Competir con Información Business Intelligence: Competir con Información Reus, 16 de Noviembre de 2011 Página 1 Página 2 Sumario Sistemas de Información - Introducción Introducción Business Intelligence Datawarehouse OLAP Data

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

Unidad 10: DATAWAREHOUSING y OLAP. Cátedra Bases de Datos

Unidad 10: DATAWAREHOUSING y OLAP. Cátedra Bases de Datos Unidad 10: DATAWAREHOUSING y OLAP Cátedra Bases de Datos Introducción Dentro de una organización o empresa coexisten dos grupos diferentes de aplicaciones Aplicaciones Tradicionales Aplicaciones de Análisis

Más detalles

Oracle Database 11g para Data Warehousing e Inteligencia de Negocios. Informe Ejecutivo de Oracle Julio de 2007

Oracle Database 11g para Data Warehousing e Inteligencia de Negocios. Informe Ejecutivo de Oracle Julio de 2007 Oracle Database 11g para Data Warehousing e Inteligencia de Negocios Informe Ejecutivo de Oracle Julio de 2007 Oracle Database 11g para Data Warehousing e Inteligencia de Negocios Introducción... 3 Integrar...

Más detalles

IWG-101: Introducción a la Ingeniería. Departamento de Informática, UTFSM 1

IWG-101: Introducción a la Ingeniería. Departamento de Informática, UTFSM 1 IWG-101: Introducción a la Ingeniería Departamento de Informática, UTFSM 1 Gestión de Bases de Datos Gestión de Bases de Datos Base de datos una colección de datos relacionados organizados de manera de

Más detalles

Nombre de la asignatura: DATA WAREHOUSE. Carrera: Participantes Academia de Sistemas y Computación (Ricardo Flores Oliveros Eleazar Pacheco Salazar)

Nombre de la asignatura: DATA WAREHOUSE. Carrera: Participantes Academia de Sistemas y Computación (Ricardo Flores Oliveros Eleazar Pacheco Salazar) 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: DATA WAREHOUSE Carrera: ING. EN SISTEMAS COMPUTACIONALES Clave de la asignatura: BDE - 0801 Horas teoría-horas práctica-créditos 4-2-10 2. HISTORIA DEL

Más detalles

Diferenciadores entre ediciones de Bases de Datos Oracle Octubre de 2011. Standard Edition One. Express Edition. Standard Edition

Diferenciadores entre ediciones de Bases de Datos Oracle Octubre de 2011. Standard Edition One. Express Edition. Standard Edition Diferenciadores entre ediciones de Bases de Datos Oracle Octubre de 2011 Características Express Standard One Standard Enterprise Procesamiento Máximo 1 CPU 2 Sockets 4 Sockets Sin límite Memoria RAM Máxima

Más detalles

Implementando un DataWarehouse.

Implementando un DataWarehouse. Página 1 de 8 Implementando un DataWarehouse. Carmen Wolff Comenzando A Construir Un DW. Para llevar a cabo con éxito un proyecto Datawarehouse, es vital considerar al inicio de su construcción tres factores

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 5 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 5 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 5 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Data Warehouse Modelo multidimensional Diagrama

Más detalles

UNIVERSIDAD VERACRUZANA M O N O G R A F Í A. Licenciado en Sistemas Computacionales Administrativos. Ana Laura Alba Mendez

UNIVERSIDAD VERACRUZANA M O N O G R A F Í A. Licenciado en Sistemas Computacionales Administrativos. Ana Laura Alba Mendez UNIVERSIDAD VERACRUZANA Facultad de Contaduría y Administración Arquitectura, Diseño, Construcción, Mantenimiento y Consulta de un Almacén de Datos M O N O G R A F Í A Para obtener el Título de: Licenciado

Más detalles

Business Intelligence

Business Intelligence Business Intelligence Curso 2012-2013 Departamento de Lenguajes y Sistemas Informáticos II http://www.kybele.es ISI/SI - 1 Introducción Nuestra misión: Hacer inteligente el negocio Buenos días. Soy Negocio.

Más detalles

Un Sistema para el Mantenimiento de Almacenes de Datos

Un Sistema para el Mantenimiento de Almacenes de Datos Un Sistema para el Mantenimiento de Almacenes de Datos PRESENTADO POR: Clemente García Gerardo Departamento de Sistemas Informáticos y Computación UNIVERSIDAD POLITÉCNICA DE VALENCIA DIRIGIDO POR: Matilde

Más detalles

Implementación de un Data Warehouse con Microsoft SQL Server 2012. Cursos Especialización. Versión 1.0

Implementación de un Data Warehouse con Microsoft SQL Server 2012. Cursos Especialización. Versión 1.0 Implementación de un Data Warehouse con Microsoft SQL Server 2012 Cursos Especialización Versión 1.0 13/02/2013 Tabla de contenido 1 Introducción... 3 2 Objetivos... 3 3 Prerrequisitos... 4 4 Duración

Más detalles

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

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

Más detalles

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

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA ANÁLISIS, DISEÑO Y DESARROLLO DE UN DATA WAREHOUSE AL PERSONAL ACADÉMICO DEL SISTEMA DE INFORMES ACADÉMICOS DE HUMANIDADES PARA EL IISUE T

Más detalles

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

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

Más detalles

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE BUSINESS INTELLIGENCE PRESENTACIÓN Ramón Díaz Hernández Gerente (1.990) Nuestro Perfil Inversión permanente en formación y nuevas tecnologías. Experiencia en plataforma tecnológica IBM (Sistema Operativo

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

Diplomado Arquitectura de datos con el producto Embarcadero ER/Studio

Diplomado Arquitectura de datos con el producto Embarcadero ER/Studio Diplomado Arquitectura de datos con el producto Embarcadero ER/Studio Diseño, arquitectura y análisis de información en bases de datos Las empresas necesitan contar con sistemas de información modernos,

Más detalles

DESARROLLO E IMPLANTANCIÓN DE UN SISTEMA ACADEMICO PARA EL ICM

DESARROLLO E IMPLANTANCIÓN DE UN SISTEMA ACADEMICO PARA EL ICM DESARROLLO E IMPLANTANCIÓN DE UN SISTEMA ACADEMICO PARA EL ICM Sergio Bauz Olvera 1, Washington Jama 2 1 Ingeniero en Estadística e Informática 2003 2 Director de Tesis de Grado, Ing. Washington Jama.

Más detalles

Bases de Datos multidimensionales para datos educacionales

Bases de Datos multidimensionales para datos educacionales Bases de Datos multidimensionales para datos educacionales Gabriel Poblete Cuadra poblete.cuadra@live.cl Carolina Zambrano Matamala Escuela de Ingeniería Universidad Católica del Norte Coquimbo,Chile.

Más detalles

,QWURGXFFLyQDO 'DWD:DUHKRXVLQJ

,QWURGXFFLyQDO 'DWD:DUHKRXVLQJ &XUVRGH'RFWRUDGR ³([WUDFFLyQGH&RQRFLPLHQWRHQ%DVHVGH'DWRV,QWURGXFFLyQDO 'DWD:DUHKRXVLQJ )HUQDQGR%HU]DO*DOLDQR!" $#% & ' (*),+-.0/1-23)546/879:);< )54:= -?9:)A@>-B;72C+EDF/1-:= < G4*)EH 46/8) @ < IJ)54:=

Más detalles

Business Information Warehouse

Business Information Warehouse Business Information Warehouse The Business Information Warehouse (BW) es un amplio cubo de información de toda la empresa. Esto le permite analizar datos de las aplicaciones R/3 o cualquier otra aplicación

Más detalles

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

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

Más detalles

Bases de Datos II. Programa de la Asignatura:

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

Más detalles

Por qué BI? Avances tecnológicos y su costo de adquisición

Por qué BI? Avances tecnológicos y su costo de adquisición Business Intelligence Seminario Business Intelligence Por qué BI? Avances tecnológicos y su costo de adquisición Definición de Intelligence Transformación de información en conocimiento Ciclo de Inteligencia

Más detalles

ESCUELA POLITÉCNICA DEL EJÉRCITO EXTENSIÓN LATACUNGA DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA

ESCUELA POLITÉCNICA DEL EJÉRCITO EXTENSIÓN LATACUNGA DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA ESCUELA POLITÉCNICA DEL EJÉRCITO EXTENSIÓN LATACUNGA DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE ADMINISTRACIÓN DE TIEMPOS EN PROYECTOS DE DESARROLLO DE SOFTWARE Y

Más detalles

Cátedra: BI Business Intelligence. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012.

Cátedra: BI Business Intelligence. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012 programa Plan 2008 Área Complementaria Carga horaria semanal Anual/ cuatrimestral Coordinador de Cátedra Objetivos

Más detalles

INTELIGENCIA DE NEGOCIO 2015-2016

INTELIGENCIA DE NEGOCIO 2015-2016 INTELIGENCIA DE NEGOCIO 2015-2016 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Retos en Inteligencia de Negocio Tema 3. Minería de Datos. Ciencia de Datos Tema 4. Modelos de Predicción: Clasificación,

Más detalles

INTELIGENCIA DE NEGOCIOS

INTELIGENCIA DE NEGOCIOS INTELIGENCIA DE NEGOCIOS En tiempos de incertidumbre financiera, la toma de decisiones basada en información es crucial para sobrevivir en el mundo de los negocios. Empresas de todas las industrias dependen

Más detalles

2796 Designing an Analysis Solution Architecture Using Microsoft SQL Server 2005 Analysis Services

2796 Designing an Analysis Solution Architecture Using Microsoft SQL Server 2005 Analysis Services 2796 Designing an Analysis Solution Architecture Using Microsoft SQL Server 2005 Analysis Services Introducción El propósito de este curso de tres días impartido por instructor es de enseñar profesionales

Más detalles

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

Business Intelligence

Business Intelligence Business Intelligence Metodología > 1 Implantación tecnológica de un balanced scorecard Precio 1.000 Este curso introduce al alumno en la metodología de BSC y su implantación tecnológica para el seguimiento

Más detalles

INTELIGENCIA DE NEGOCIO 2014-2015

INTELIGENCIA DE NEGOCIO 2014-2015 INTELIGENCIA DE NEGOCIO 2014-2015 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Retos en Inteligencia de Negocio Tema 3. Minería de Datos. Ciencia de Datos Tema 4. Modelos de Predicción: Clasificación,

Más detalles

Mejorando el desempeño de cubos en SQL Server Analysis Services

Mejorando el desempeño de cubos en SQL Server Analysis Services Mejorando el desempeño de cubos en SQL Server Analysis Services Marco Tulio Gómez mgomez@solcomp.com MSc. Tecnologías de la Información MCITP Business Intelligence Developer MCTS Business Intelligence

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

Datawarehousing : fundamentos

Datawarehousing : fundamentos Datawarehousing : fundamentos Business Intelligence Es un paraguas bajo el que se incluye un conjunto de conceptos y metodologías cuya misión consiste en mejorar el proceso de toma de decisiones en los

Más detalles

Revista Facultad de Ingeniería ISSN: 0717-1072 facing@uta.cl Universidad de Tarapacá Chile

Revista Facultad de Ingeniería ISSN: 0717-1072 facing@uta.cl Universidad de Tarapacá Chile Revista Facultad de Ingeniería ISSN: 0717-1072 facing@uta.cl Universidad de Tarapacá Chile Luna Ramírez, Enrique; García Merayo, Félix El Repositorio de Metadatos en un Warehouse Revista Facultad de Ingeniería,

Más detalles

Cuáles son algunos de los padecimientos que enfrentan las empresas hoy día?

Cuáles son algunos de los padecimientos que enfrentan las empresas hoy día? Qué es Inteligencia de Negocios? Una interesante definición para inteligencia de negocios o BI, por sus siglas en inglés, según el Data Warehouse Institute, lo define como la combinación de tecnología,

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

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

Sistemas de Bases de Datos Federadas

Sistemas de Bases de Datos Federadas Sistemas de Bases de Datos Federadas Luis Fernando Espino Barrios Instituto Tecnológico de Costa Rica luisespino@yahoo.com Octubre 2009 Resumen: Este artículo pretende introducir conceptualmente al lector

Más detalles

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 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 detalles

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

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

Más detalles

Área Académica: Sistemas Computacionales. Tema: Introducción a almacén de datos. Profesor: Mtro Felipe de Jesús Núñez Cárdenas

Área Académica: Sistemas Computacionales. Tema: Introducción a almacén de datos. Profesor: Mtro Felipe de Jesús Núñez Cárdenas Área Académica: Sistemas Computacionales Tema: Introducción a almacén de datos Profesor: Mtro Felipe de Jesús Núñez Cárdenas Periodo: Agosto Noviembre 2011 Keywords Almacén de Datos, Datawarehouse, Arquitectura

Más detalles