Ania Cravero 1, Samuel Sepúlveda 2 RESUMEN. Palabras clave: Diseño multidimensional, paradigmas, almacenes de datos, mapeo sistemático.

Transcripción

1 Paradigmas para el Diseño Multidimensional de Almacenes de Datos: Un Mapeo Sistemático Multidimensional Design Paradigms for Data Warehouses: A Systematic Mapping Study Ania Cravero 1, Samuel Sepúlveda 2 RESUMEN Los almacenes de datos deben integrar la información de las diversas áreas de una organización con el fin de extraer conocimiento relevante para la toma de decisiones. Su desarrollo no es tarea fácil, por lo cual se han planteado varios enfoques para su diseño, que se pueden clasificar de acuerdo a la fuente de donde se obtienen los requisitos de información: impulsados por la oferta, por la demanda, e híbridos. En este artículo se brinda un estudio comparativo de las metodologías para el diseño multidimensional de almacenes de datos a través de un mapeo sistemático de estudios. El estudio presenta las características principales que se desarrollan en las metodologías, las notaciones y problemáticas presentadas en cada paradigma. Los resultados obtenidos indican que no hay un seguimiento al proceso completo de la implementación de un almacén de datos ya sea en un ámbito académico o industrial, por otro lado tampoco hay evidencias que traten sobre el diseño y desarrollo de un almacén de datos aplicando y comparando distintas metodologías existentes en el área. Finalmente se aprecia que las propuestas que contribuyen con herramientas, solo lo hacen a nivel de prototipos. Palabras clave: Diseño multidimensional, paradigmas, almacenes de datos, mapeo sistemático. ABSTRACT Data warehouses must integrate information from the different areas and sources of an organization in order to extract knowledge relevant to decision-making. The Data warehouses development is not an easy task, which is why various design approaches have been put forward. These approaches can be classified in three different paradigms according to the origin of the information requirements: supply-driven, demand-driven, and hybrids of these. This article compares the methodologies for the multidimensional design of Data warehouses through a systematic mapping as research methodology. The study presents for each paradigm, the main characteristics of the methodologies, their notations and problem areas exhibited in each one of them. The results indicate there is no follow-up to the complete process of implementing a Data warehouses in either an academic or industrial environment; however, there is also no evidence that the attempt is made to address the design and development of a Data warehouses by applying and comparing different methodologies existing in the field. Keywords: Multidimensional design, paradigms, data warehouses, systematic mapping. INTRODUCCIÓN 1 2 Este trabajo ha sido publicado en inglés en la revista of Software Engineering and Applications, en enero de 2014 ( D=42101#.U9cRzmPG88U). Los Almacenes de Datos (AD) son utilizados por los sistemas de toma de decisiones con el fin de analizar un gran número de datos provenientes de diversas fuentes heterogéneas, integradas en un modelo multidimensional (MD) [1]. Los diseñadores en general muestran los datos en los hechos y las dimensiones desde un MD conceptual. [2]. Habitualmente la información almacenada en los hechos representan medidas para los procesos de negocio (por ejemplo, cuántos productos se venden? Cuántos pacientes son tratados? 1 Centro de Estudios en Ingeniería de Software, Depto. de Ingenieria de Sistemass. Universidad de La Frontera. Av. Francisco Salazar 01145, Temuco, Chile. ania.cravero@ufrontera.cl 2 Centro de Estudios en Ingeniería de Software, Depto. de Ingenieria de Sistemass. Universidad de La Frontera. Av. Francisco Salazar 01145, Temuco, Chile. samuel.sepulveda@ceisufro.cl Cuánto tiempo se requiere en un proceso determinado? etc.), y las dimensiones representan el marco para el análisis de estas medidas (por ejemplo, tiempo, cliente o producto). El desarrollo de un AD no es una tarea fácil, planteando algunas dificultades como desalineamiento con la estrategia del negocio y por lo tanto el fallo al momento de implementarlo [3, 4]. En este sentido se han realizado muchos esfuerzos para crear metodologías y enfoques que permitan crear el MD de un AD de manera correcta [5]. De acuerdo con Winter & Strauch [6] las metodologías o enfoques del MD pueden clasificarse de acuerdo a la forma cómo se obtienen los requisitos del AD. Estos son, los enfoques impulsados por la demanda, impulsados por la oferta y los enfoques híbridos, que proponen combinar los dos primeros. Dada la importancia de los AD hoy en día, en este artículo se brinda un estudio comparativo de las metodologías para el diseño MD de AD a través de un mapeo sistemático de estudios. El estudio presenta las características principales de las actividades que de desarrollan en las metodologías, las notaciones y problemáticas que presenta cada paradigma. Es con

2 esta motivación que el estudio actual ha surgido de nuestro trabajo para recopilar, mapear y resumir los estudios primarios sobre metodologías para el MD en AD. El mapeo sistemático de estudios es una metodología que se utiliza con frecuencia en la investigación médica, pero que ha sido adaptado para el uso en temas del área informática [7]. Este trabajo está organizado de la siguiente manera: en la sección 2 se presentan los conceptos básicos y una breve descripción de los paradigmas para el diseño multidimensional de un AD. En la sección 3 se describe el proceso de mapeo sistemático. En la sección 4, se describen los resultados. En la sección 5 se presentan las conclusiones. CONCEPTOS BÁSICOS Data Warehouse. The classic definition of a AD was proposed by Inmon [8] as a subject oriented, non-volatile, integrated, and time variant collection of data in support of management s decisions. Desde el punto de vista funcional, el proceso de implementación de un AD lo componen 3 fases: (1) extracción de datos desde distintas fuentes de datos, (2) transformación y carga de datos de manera consistente en el AD, (3) y el acceso al los datos integrados de una forma eficiente y flexible por medio de herramientas para los usuarios finales [8]. Desde el punto de vista del desarrollo, las etapas consisten en: (1) análisis de requisitos, (2) el diseño conceptual del AD, (3) el diseño lógico, (4) el diseño físico, (5) y la implementación mediante ETL (extracción, transformación y carga de datos) [2]. Las metodologías para el MD analizadas establecen actividades para el diseño conceptual y lógico, las que se clasifican en base a tres paradigmas que se detallan a continuacón [6]. Paradigma impulsado por la oferta: Los enfoques impulsados por la oferta (también conocido como impulsado por los datos), inician el proceso de modelado del AD desde un análisis detallado de las fuentes de datos para determinar los elementos (como hechos dimensiones), más relevantes para el proceso de toma de decisiones. Paradigma impulsado por la demanda: Estos enfoques también son conocidos como impulsados por requisitos o dirigidos a objetivos, empiezan en la determinación de las necesidades de los usuarios, para luego crear un diseño multidimensional del AD de acuerdo a los objetivos seleccionados. Paradigma Hibrido: Estos enfoques proponen combinar ambos paradigmas con el objetivo de diseñar el AD desde las fuentes de datos, pero teniendo en cuenta las necesidades del usuario final. La principal característica y diferencia en relación a los dos enfoques anteriores es que este tipo de enfoque tiene la posibilidad de intercalar los enfoques impulsados por la oferta y demanda para aplicarlos en cada etapa del desarrollo del AD, beneficiándose de la información recopilada a lo largo del proceso. Systemating Mapping. La técnica de systemating mapping define un proceso y una estructura de informe que permite categorizar los resultados que han sido publicados hasta el momento en un área determinada. El objetivo de un systemating mapping está en la clasificación,y está por tanto dirigido al análisis temático y a la identificación de los principales foros de publicación [9]. En el artículo indica que permite responder preguntas genéricas como: Qué es lo que se ha hecho hasta el momento en el campo X? Como limitación, este tipo de estudios no toma en consideración la calidad de los estudios incluidos. El proceso de mapeo sistemático consiste en las siguientes etapas: (1) definición de las preguntas de investigación, (2) ámbito de revisión, (3) ejecución de la búsqueda, (4) selección de los estudios, (5) filtrado de estudios, (6) esquema de clasificación, (7) extracción de datos y procesos de mapeo, (8) y mapa sistemático [9]. MAPEO SISTEMÁTICO DE LOS PARADIGMAS PARA EL DISEÑO MD EN AD El objetivo principal del mapeo sistemático de estudios llevado a cabo es obtener una visión general de la investigación sobre los paradigmas para el MD en AD. Además no solo se pretende identificar las principales aproximaciones en esta área, sino también sus puntos fuertes y debilidades y, por supuesto, el trabajo futuro que puede llevarse a cabo para evidenciar posibles debilidades. A continuación describimos las etapas llevadas a cabo. Definición de las Preguntas de Investigación. Se definieron las siguientes preguntas de investigación (PI) de acuerdo a la técnica señalada en [10], cumpliendo con los objetivos planteados: (PI1) Cuál es el paradigma más utilizado en las investigaciones seleccionadas y como ha cambiado la tendencia a lo largo del tiempo? Esto nos permite saber cuál es la tendencia que presenta está área, cuál de los enfoque está vigente y cuál no. (PI2) Cuál de los ámbitos, academia o industria, es el más usual al momento de aplicar la investigación? Permite dilucidar el ámbito de preferencia en el cual es aplicada la investigación para diseñar un AD. (PI3) Cuál es la contribución de los trabajos de investigación al área? Permite identificar el aporte de los trabajos, si son metodologías, o aproximaciones, y si incluyen herramientas. (PI4) Cuál etapa del diseño de un AD es la más investigada? Permite dilucidar qué etapa es la que tiene mayor investigación, si el diseño conceptual, el lógico o el físico. Ámbito de la Revisión. De acuerdo a [10] el alcance se define en base a los siguientes parámetros. Población: Conjunto de artículos que describen los estudios sobre el diseño multidimensional de un AD en la academia e industria. Intervención: Cualquier estudio que contenga métodos, aproximaciones o herramientas; basadas en los paradigmas para AD. Diseño del estudio: Experimentos, casos de estudio, relatos de experiencia, la

3 investigación-acción. Resultados: Cantidad y tipo de evidencia relativas al diseño multidimensional de AD. Ejecución de la Búsqueda. La estrategia de búsqueda consistió en expresiones booleanas formadas por las siguientes palabras claves: data warehouse, data warehousing, multidimensional design, approach, methodology. Algunos de los términos fueron desglosados en expresiones booleanas de tipo OR y AND, logrando la siguiente cadena de búsqueda: ("data warehouse" OR datawarehousing) and "multidimensional design" and (approach OR methodology). Con respecto al tiempo, la búsqueda se ha centrado en los años Esta elección está motivada debido a que a partir del año 1998 varios investigadores se adentraron en este tema, teniendo como base las investigaciones de los padres de los AD, Bill Immon y Ralph Kimball. Las fuentes donde se aplicó la búsqueda fueron: Google Scholar, IEEE Digital Library, ACM Digital Library, ScienceDirect y SpringerLink. Selección y filtrado de los estudios. Para seleccionar los trabajos de investigación, en primera instancia utilizamos el criterio de inclusión para hacer un análisis sobre el título, resumen y palabras claves, obteniendo de esta manera el mayor número de trabajos que aportan contribuciones significativas sobre los paradigmas para el diseño multidimensional de AD. En segunda instancia utilizamos el criterio de exclusión donde nos centramos principalmente en el resumen, introducción y conclusiones, analizando un poco más aquellos trabajos que lo requerían para asegurarnos realmente de que eran relevantes para el campo de estudio. Criterio de Inclusión: libros, documentos, artículos, tesis, trabajos de investigación, publicaciones de revistas y congresos que describan el diseño multidimensional de un almacén de datos y que contengan aproximaciones, metodologías y/o herramientas en cualquiera de las siguientes etapas: conceptual, lógica y física. Criterios de Exclusión: (1) Trabajos que tratan sobre los almacenes de datos, pero que no están relacionados con el diseño multidimensional de éstos. Ej. Experiencias de uso de un AD en la industria o en la academia, análisis de datos con AD, Business Inteligence, Data mining, OLAP, etc. (2) Trabajos que se centran en el diseño de un AD, pero que no expresa una metodología para ello. La tabla 1 presenta la cantidad de artículos de acuerdo a la cadena de búsqueda y el filtrado realizado. El proceso de selección consta de tres iteraciones llevadas a cabo por cuatro revisores. En la primera iteración, cada revisor aplicó los criterios de inclusión y exclusion sobre el título, resumen y palabras claves para 10 trabajos seleccionados al azar. Se obtuvo una fiabilidad del 79% de acuerdo al índice de Kappa de Fleiss propuesto por [11], lo que es muy bueno. En la siguiente iteración, cada revisor aplicó los mismos criterios en un conjunto de artículos que le fueron asignados, ahora incluyendo la introducción y conclusión. En la tercera iteración se procedió a analizar completamente los trabajos en los que se presentaban dudas. De esta manera se obtuvo un total de 25 trabajos relevantes para el mapeo. En la tabla 2 se presentan los autores, título, año y fuente de la publicación de cada de estos artículos. Tabla 1. Resultados de la búsqueda y filtrado. Buscador Resultado de la búsqueda Trabajos candidatos Trabajos relevantes Concidencias con Google Scholar Total trabajos relevantes Google- Scholar IEEE ACM ScienenceDiceDirect Springer Total Tabla 2. Artículos seleccionados. Autores Año Título articulo Revista o Congreso M. Golfarelli D. Maio S. Rizzi D.L. Moody M. Kortink C. Phipps K.C. Davis R. Kimball L. Reeves W. Thornthwait e M. Ross M. Banek Z. Skocir B. Vrdoljak JM. Jensen T. Holmgren T. Pedersen B. Vrdoljak M. Banek S. Rizzi P. Hernández I. Garrigos J-N. Mazón B. Hüsemann J. Lechtenbörg er G. Vossen 1998 Conceptual design of data warehouses from E/R schemes 2000 From enterprise models to dimensional models: a methodology for data warehouse and data mart design 2002 Automating data warehouse conceptual schema design and evaluation 1998 The data warehouse lifecycle toolkit: expert methods for designing, developing, and deploying data warehouses 2005 Logical design of data warehouses from xml 2004 Discovering multidimensional structure in relational data 2003 Designing Web Warehouses from XML Schemas 2010 Model-driven development of multidimensional models from web log files 2000 Conceptual Data Warehouse Design Proceedings of the Thirty-First Hawaii International Conference, System Sciences. Proceedings of 2nd International Workshop on Design and Management of Data Warehouses Proceedings of 4th International Workshop on Design and Management of Data Warehouses John Wiley & Sons ConTEL Book Data Warehousing and Knowledge Discovery Proceedings of 5th International Conference on Data Warehousing and Knowledge Discovery Advances in Conceptual Modeling-- Applications and Challenges In Springer Proceedings of 2nd International Workshop on Design and Management of Data Warehouses

4 R. Kimball M. Ross R. Winter B. Strauch P. Giorgini S. Rizzi M. Garzetti N. Prakash A. Gosain A. Cravero J-N. Mazón J.Trujillo L. Cabibbo R. Torlone M. Böhnlein A. Ulbrichvom A. Bonifati F. Cattaneo S. Ceri A. Fuggetta F. Paraboschi O. Romero A. Abelló O. Romero A. Abelló JN. Mazón J. Trujillo 2002 The Data Warehouse Toolkit 2nd edition 2003 A Method for Demand-driven Information Requirements Analysis in Data Warehousing 2008 GRAnD: A goaloriented approach to requirement analysis in data warehouses 2008 An approach to engineering the requirements of data warehouses A business-oriented approach to data warehouse development A Logical Approach to Multidimensional Databases Business Process Oriented Development of Data Warehouse Structure Designing Data Marts for Data Warehouses Multidimensional Design by Examples Automating Multidimensional Design from Ontologies An MDA approach for the development of data warehouses. John Wiley & Sons Book System Sciences Decision Support Systems Requirements Engineering Springer Ingeniería e Investigación Proceedings of 6th International Conference on Extending Database Technology Proceedings of Data Warehousing ACM Transactions on Software Engineering and Methodology Proceedings of 8th International Conference on Data Warehousing and Knowledge Discovery Proceedings of the ACM tenth international workshop on Data warehousing and OLAP Decision Support Systems Tipo de contribución: el aporte que realiza la investigación al area, es decir, si es una aproximación, o una metodología, y si contiene herramienta, o si es metodología-herramienta. Aproximación para aquellas publicaciones que proponen nuevas ideas o metodologías distintas a las ya establecidas. Metodología incluye descripciones y procedimientos a seguir para realizar el diseño multidimensional de un AD. Herramienta se refiere a cualquier tipo de herramienta que ayude en el proceso de diseñar un AD. Por último metodología-herramienta para clasificar aquellas publicaciones que contribuyen con herramientas para aplicar la metodología presentada. Ámbito de aplicación: el área donde se desarrolla la investigación, o donde apuntan los autores para aplicar su investigación. En este caso lo hemos clasificado en dos categorías: Academia, industria. Academia esta categorización es para aquellas publicaciones que dirigen su esfuerzo en realizar nuevas investigaciones y/o desarrollo de nueva ideas. Industria en este estudio esta clasificación corresponde a los trabajos que aplican su investigación en alguna organización (con o sin fines de lucro). Etapa de diseño: fase del desarrollo de un AD en la cual se centran los autores para desarrollar su investigación, es decir, diseño conceptual, diseño lógico y el físico. O. Glorio J. Trujillo JN. Mazón J. Lechtenbórger J. Trujillo F. Di-Tria E. Lefons F. Tangorra L. Gómez R. Moreno R. Pérez M. Thenmozhi K. Vivekanandan 2008 An MDA approach for the development of spatial data warehouses A model-driven approach for enforcing summarizability in multidimensional modeling Hybrid methodology for data warehouse conceptual design by UML schemas 2013 Computer - Assisted generation of data warehouse model: analysys of information An Ontology based Hybrid Approach to Derive Multidimensional Schema for Data Warehouse. Data Warehousing and Knowledge Discovery Advances in Conceptual Modeling. Recent Developments and New Directions Springer Information and Software Technology DYNA International of Computer Applications Definición del Esquema de Clasificación. Una vez seleccionados los artículos relevantes se definieron, en base a los objetivos de estudios, cuatro tipos de clasificaciones (ver figura 1): Paradigma desarrollado: modelo en el cual están basados los artículos, es decir, enfoque impulsado por la oferta, enfoque impulsado por la demanda, y enfoque híbrido. Figura 1. Esquema de clasificación Extracción de Datos y Mapeo Sistemático. Tras definir el sistema de clasificación, el último paso del mapeo sistemático consiste en la extracción de datos y el proceso de mapeo de las distintas dimensiones. El resultado completo de esta actividad se muestra en la siguiente sección. El resultado sintetizado de nuestro estudio se puede observar de manera gráfica en el diagrama de burbuja de la figura 2. La figura 2 ilustra básicamente dos diagramas de dispersión XY con burbujas en las intersecciones de categoría, que permite tener en cuenta varias categorías al mismo tiempo y da una visión general rápida de un campo de estudio, proporcionando un mapa visual. En esta visualización de los resultados, el tamaño de una burbuja es proporcional al número de artículos que están en el par de categorías que correspondan a la burbuja de las coordenadas. Entonces, por ejemplo hemos encontrado 4 artículos que describen una metodología de diseño de AD en base al paradigma de la oferta. Así también, encontramos 7 artículos que describen una metodología para el diseño de AD en base al paradigma híbrido y que incluye solo el modelado conceptual del AD.

5 Observamos en la misma figura que no se encontraron artículos que describan una metodología de desarrollo de AD que incluya la etapa de diseño físico, pero si se encontraron artículos que incluen las dos primeras, diseñi conceptual y lógico. En la figura 3 se puede observar la distribución de los trabajos seleccionados mediante una línea cronológica. Del total de publicaciones incluidas en el mapeo (25), 11 son artículos provenientes de congresos, 9 pertenecen a revistas, 4 libros y 1 tesis. Algunos de estos trabajos son descritos en [12] mediante un estudio cronológico. Figura 2. Diagrama de burbuja. Visualización Mapeo Sistemático Análisis Comparativo y Discusión A continuación damos respuesta a las preguntas de investigación formuladas en la sección 3 a través de los resultados obtenidos. Figura 3. Línea cronológica de los trabajos seleccionados. (PI1): Hay 8 artículos seleccionados de acuerdo al paradigma basado en la oferta, 6 de acuerdo al paradigma basado en la demanda y 11 del hibrido. Los números indican que la mayoría de las investigaciones actuales se han dirigido en el enfoque híbrido con 11 publicaciones que corresponde al 44% del total. Una justificación posible es que los autores prefieren utilizar metodologías que minimicen el fracaso del AD, ya que este: (1) debe estar alineado a la estrategia organizacional, y (2) debe alimentarse de datos existentes en sus bases de datos [4, 5, 13], situación que es posible abordar en este tipo de paradigma. El segundo paradigma con mayor presencia es el enfoque impulsado por la oferta con un total de 8 trabajos (32%). Un punto importante para mencionar es que el enfoque impulsado por la oferta sufrió un abandono desde el año 2004 debido a la cantidad de proyectos fracasados (cerca del 80% [13]), sin embargo el año 2010 se volvió a retomar pero enfocándose en fuentes de datos diferentes a las organizacionales, algunos ejemplos son: datos provenientes de la web y de esquemas XML [14]. Por otro lado el paradigma con menos presencia es el enfoque impulsado por la demanda con 6 artículos (24%). Cabe destacar, que en ambos paradigmas, demanda e híbrido, existe una variedad de artículos en los que se utilizan modelos de objetivos para representar las necesidades de los usuarios de acuerdo a la estrategia del negocio, por ejemplo i* [15, 16], KAOS [1], GQM [17], entre otros; pero solamente un artículo incorpora un proceso para validar el alineamiento entre el AD y la estrategia organizacional [18], esto es mediante el estandar BMM (Business Motivation Model) de la OMG[19]. (PI2): En cuanto al ámbito en donde se aplican la mayoría de las contribuciones (academia o industria), los números indican que los autores prefieren aplicar sus investigaciones en el ámbito de la industria, con 15 publicaciones seleccionadas. Por otro lado en el ámbito académico encontramos 10 publicaciones. Cabe destacar, que no se encontraron artículos que relaten algún experimento con metodologías aplicadas a casos reales, solo presentan un conjunto de etapas y directrices para llevarlas a cabo. (PI3): Con respecto a la contribución de los trabajos de investigación (metodología, aproximación, herramienta), podemos observar que las metodologías resultan ser el aporte predominante en las investigaciones actuales con un total de

6 11 trabajos. El segundo lugar es para las aproximaciones con un total de 8 publicaciones, y en tercer lugar encontramos una combinación entre metodología y herramienta con un total de 4 publicaciones. Este tipo de contribución combinado se debe a que los autores presentan en sus trabajos metodologías, que para poder aplicarlas lo hacen a través de una herramienta que ellos mismos crearon o modificaron de acuerdo a sus necesidades. Es el caso de [20] automatizan el método de identificación de conceptos multidimensionales en fuentes operacionales para el diseño multidimensional. Mazón y Trujillo, en conjunto con Glorio [21] derivan automáticamente modelos conceptuales normalizados, que son construidos con las jerarquías de dimensión que no violan la sumarizibilidad. [22] logran derivar el modelo conceptual y lógico automáticamente desde las fuentes de datos y los requerimientos del negocios. Además en las distintas publicaciones podemos apreciar el uso de transformaciones entre modelos por medio de estándares como QVT [23]. (PI4): La etapa más investigada es la del diseño conceptual con un total de 17 publicaciones. En segundo lugar encontramos publicaciones que están enfocadas en dos etapas: diseño conceptual y lógico, 6 son los trabajos que investigan esas dos áreas en conjunto. Por último encontramos 2 publicaciones orientadas a la etapa de diseño lógico. No encontramos estudios que aborden directrices para crear el diseño físico del AD. LIMITACIONES DEL ESTUDIO Las principales amenazas a la validez de este mapeo sistemático se relacionan al sesgo en la selección de los estudios que deben incluirse y, en algunos casos, a las posibles inexactitudes en la extracción de datos, ya que somos conscientes que puede ocurrir que algunos documentos que existan no se hayan incluido, aunque la amplia revisión que se desarrolló y el conocimiento de este tema nos han llevado a la conclusión de que, si existen, probablemente no son muchos. La segunda limitación, se debe a la calidad de los estudios incorporados. Esta limitación se podría haber evitado realizando una revisión sistemática de dichos trabajos. Sin embargo, el bajo número de publicaciones verdaderamente pertinentes (25), nos hace pensar que es todavía pronto para este tipo de evaluaciones de calidad. Otra posible limitación de este tipo de estudios es la posibilidad de errar en la clasificación por el uso ambiguo que hacen los autores como, en nuestro caso, aproximación o metodología. CONCLUSIONES En este artículo hemos presentado un mapeo sistemático de estudios de los paradigmas para el diseño multidimensional de AD, proporcionando un marco de trabajo actualizado, facilitando la apertura del campo a nuevos investigadores. El marco de revisión y el protocolo utilizados para la realización de esta revisión nos garantiza la completitud de los resultados. Como conclusión, la carencia más importante que hemos identificado es la falta de retroalimentación al momento de aplicar las metodologías, debido a que desarrollar, poner en marcha y obtener resultados en un AD demora mínimo 5 año aproximadamente, por lo que no hay artículos que trate sobre el proceso completo de la implementación de un AD ya sea en un ámbito académico o industrial. Otra carencia que identificamos es la falta de experimentos en esta línea de investigación, no hay publicaciones que traten sobre el diseño y desarrollo de un AD aplicando y comparando distintas metodologías existentes en el área. La falta de herramientas es otro punto que debemos destacar, en la mayoría de las publicaciones que contribuyen con herramientas, solo encontramos prototipos. No hay un instrumento finalizado y validado por los investigadores en el campo de investigación, esta carencia es importante considerando que la mayoría de las publicaciones se enfocan en la industria, mercado que determina la evolución del área. Además no hay una herramienta finalizada para realizar el diseño conceptual de manera totalmente automática, que es el objetivo que la mayoría de los autores quieren lograr. Como trabajo futuro se pretende realizar una revisión sistemática debido al bajo número de publicaciones encontradas (25), esta metodología es parecida al mapeo sistemático, sin embargo la fase de revisión de trabajos es mucho más rigurosa, permite establecer el estado de evidencia a través de la exhaustiva extracción de datos cuantitativos y meta-análisis, y por tanto responder a preguntas de investigación mucho más específicas. AGRADECIMENTOS Este artículo es parte del proyecto Método de Ingeniería de Requerimientos para Almacenes de Datos, financiado por el proyecto DIUFRO DI de la Universidad de La Frontera. REFERENCIAS [1] P. Giorgini, S. Rizzi, and M. Garzetti, "Goal oriented requirement analysis for data warehouse design," In: DOLAP'05, Bremen, Germany, nov., vol. 45, pp , [2] R. Kimball and M. Ross, "The Data Warehouse Toolkit, second edition, John Wiley & Sons.," [3] M. Frolick and K. Winter, "Critical Factors for Data Warehouse Failure," Business Intelligence vol. 8, nº. 1, [4] A. Cravero, S. Sepúlveda, J.-N. Mazón, and J. Trujillo, "Alineamiento de Objetivos de la Organización: una necesidad para el Análisis de Requisitos en Almacenes de Datos," CIBSE2010, [5] O. Romero and A. Abello, "A survey of Multidimensional Modeling Methodologies.," International of Data Warehousing & Mining., vol. 5, nº. 2, pp. 1-23, [6] R. Winter and B. Strauch, "A method for demand driven information requirements analysis in data warehousing projects," HICSS'03, pp , [7] B. Kitcheham, T. Dyba, and M. Jorgensen, "Evidence-based software engineering, in Proceeding of the 26th Int. Conf. on Software Engineerig(ICSE, 2006), IEEE Computer Society.," pp , [8] W. Inmon, "Building the Data Warehouse. (2nd ed.)," [9] K. Petersen, R. Feldt, S. Mujtaba, and M. Mattsson, "Systematic mapping studies in software engineering," EASE'08 Pro-

7 ceedings of the 12th international conference on Evaluation and Assessment in Software Engineering. British Computer Society Swinton., pp , [10] B. Kitchenham and S. Charters, "Guidelines for performing systematic literature reviews in software engineering," Thechnical Report EBSE 07, [11] K. Gwet, "Inter-rater reliability: dependency on trait prevalence and marginal homogeneity," Statistical Methods for Inter-Rater Reliability Assessment Series, vol. 2, pp. 1-9, [12] A. Cravero and S. Sepúlveda, "A chronological study of paradigms for data warehouse design," Ingeniería e Investigación, vol. 32, nº. 2, pp , [13] R. Weir, T. Peng, and J. Kerridge, " Best Practice for Implementing a Data Warehouse," A Review for Strategic Alignment, School of Computing, Napier University, 10 Colinton Road, Edinburgh EH10 5DT UK, [14] P. Hernández, I. Garrigos, and J.-N. Mazón, "Model-driven development of multidimensional models from web log files," Advances in Conceptual Modeling--Applications and Challenges, pp , [15] F. Di-Tria, E. Lefons, and F. Tangorra, "Hybrid methodology for data warehouse conceptual design by UML schemas," Information and Software Technology, vol. 54, nº. 4, pp , [16] J. N. Mazón, J. Pardillo, and J. Trujillo, "A Model Driven Goal Oriented Requirement Engineering Approach for Data Warehouses," In: ER Workshops (RIGiM), [17] A. Bonifati, F. Cattaneo, S. Ceri, A. Fuggetta, and F. Paraboschi, "Designing Data Marts for Data Warehouses," ACM Transactions on Software Engineering and Methodology., vol. 10, nº. 4, pp , [18] A. Cravero, J.-N. Mazón, and J. Trujillo, "A business-oriented approach to data warehouse development," Ingeniería e Investigación, vol. 33, nº. 1, pp , [19] OMG, "Business Motivation Model.Version 1.1.," OMG Document Number: formal/ , [20] O. Romero and A. Abelló, "Multidimensional Design Methods for Data Warehousing," Integrations of Data Warehousing, Data Mining and Database Technologies: Innovative Approaches, pp. 78, [21] O. Glorio, J. Pardillo, J.-N. Mazón, and J. Trujillo, "DaWaRA: An Eclipse Plugin for Usingi* on Data Warehouse Requirement Analysis.," RE '08, pp , [22] M. Thenmozhi and K. Vivekanandan, "An Ontology based Hybrid Approach to Derive Multidimensional Schema for Data Warehouse.," International of Computer Applications, vol. 54, nº. 8, pp , [23] j.-n. Mazón and J. Trujillo, "An MDA approach for the development of data warehouses," JISBD'09, pp. 208, 2009.