UNIVERSIDAD FRANCISCO DE PAULA SANTANDER BIBLIOTECA EDUARDO COTE LAMUS RESUMEN - TESIS DE GRADO

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

Download "UNIVERSIDAD FRANCISCO DE PAULA SANTANDER BIBLIOTECA EDUARDO COTE LAMUS RESUMEN - TESIS DE GRADO"

Transcripción

1 UNIVERSIDAD FRANCISCO DE PAULA SANTANDER BIBLIOTECA EDUARDO COTE LAMUS RESUMEN - TESIS DE GRADO AUTORES: LAURA JULIANA ANTELIS ORTIZ JAVIER HERNANDO TOLOSA FACULTAD: INGENIERIA PLAN DE ESTUDIOS: INGENIERIA DE SISTEMAS DIRECTOR: NELSON BELTRAN GALVIS TITULO DE LA TESIS: ANALISIS DISEÑO E IMPLEMENTACION DE UN DATAWAREHOUSE PARA EL APOYO DE LA TOMA DE DECISIONES EN LOS COMPONENTES ACADEMICOS DE LA OFICINA DE PLANEACION EN LA UNIVERSIDAD FRANCISCO DE PAULA SANTANDER RESUMEN: El objeto del proyecto se centra en la realización de un Data WareHouse que genera el registro histórico de la información que requiere la Oficina de Planeación de la UFPS. EL Data Warehouse o bodega de datos sirve como herramienta en las labores de toma de decisiones y almacena información histórica que se extrae de los sistemas operacionales existentes en la UFPS, como el SIA, SIP, Ofiplan y SI de Bienestar. En este proyecto se aplica la metodología de Ralph Kimball para la construcción del Data WareHouse y se utilizan alternativas de software de uso libre para su almacenamiento, gestión y explotación. CARACTERISTICAS: PAGINAS: 329 PLANOS: ILUSTRACIONES: CD-ROOM: 1

2 ANALISIS DISEÑO E IMPLEMENTACION DE UN DATAWAREHOUSE PARA EL APOYO DE LA TOMA DE DECISIONES EN LOS COMPONENTES ACADEMICOS DE LA OFICINA DE PLANEACION EN LA UNIVERSIDAD FRANCISCO DE PAULA SANTANDER LAURA JULIANA ANTELIS ORTIZ JAVIER HERNANDO TOLOSA UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE INGENIERIA PLAN DE ESTUDIO DE INGENIERIA DE SISTEMAS SAN JOSE DE CUCUTA 2004

3 ANALISIS DISEÑO E IMPLEMENTACION DE UN DATAWAREHOUSE PARA EL APOYO DE LA TOMA DE DECISIONES EN LOS COMPONENTES ACADEMICOS DE LA OFICINA DE PLANEACION EN LA UNIVERSIDAD FRANCISCO DE PAULA SANTANDER LAURA JULIANA ANTELIS ORTIZ JAVIER HERNANDO TOLOSA Proyecto de grado para optar el titulo de Ingeniero de Sistemas Director: NELSON BELTRÁN GALVIS Ingeniero de Sistemas UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE INGENIERIA PLAN DE ESTUDIO DE INGENIERIA DE SISTEMAS SAN JOSE DE CUCUTA 2004

4

5 A Dios Fiel Amigo del Hombre, Padre A Jesús el Buen Pastor, Salvador, Hermano A la Santísima Virgen Maria, Intercesora, Madre A mi hijo Ángel Javier, Motivo de fé, Amor, Vida, Esperanza, Alegría A mi Madre, Dueña de este logro en mi vida. Todo lo que soy se lo debo.te Quiero Mucho. A mi Nona, Gracias muchas Gracias Mis Hermanos Cesar, Freddy y Andres.Guerreros siempre a favor de mi Objetivo A mi Señora Stella Zambrano, Mujer Tenaz y con mucho Amor A su Familia, apoyo Incondicional, en Especial al Profe Teodulo Zambrano A mi Tía Cecilia Tolosa, justo a tiempo un apoyo, una mano Amiga A mi Padrino Ángel Pérez, Valioso Hombre. Muy Valioso, Mi Referencia A Laura mi amiga de proyecto, Paciencia, Dedicación, Trabajo A mi amigo Elkin García, de verdad Amigo A todas aquellas personas que con seguridad olvide pero que no pierden Importancia cuando vuelven a mi mente. Javier

6 A Dios Creador y Señor de Todo A mis Padres Benjamín y Soley de quienes es este triunfo A mis hermanos Mauricio y Joel y mi tía Merceditas A un Amor Perenne que llena mis días de enormes alegrías A mi buen amigo Javier de quien mucho aprendí A mis buenos compañeros que también son valiosos amigos: Carolina, Ingrid, Humberto, Leydi, Ligia, Luce, Mónica, Nancy. Laura

7 AGRADECIMIENTOS Los autores del proyecto expresan sus agradecimientos a las siguientes personas: Ing. Nelson Beltrán, director del proyecto, por su asesoria y ayuda en el consentimiento del proyecto Ing. Hernán Gómez por su confianza, colaboración y por permitirnos el acceso a las instalaciones del Centro de Computo Ing. Jorge Luis Orjuela por su iniciativa y ayuda precisa Cesar Pineda por su colaboración y asesoria Dr. Víctor Ardila por su motivación Dr. Omar Abreo por su confianza, dedicación y motivación Dra. Rocio por su amabilidad y simpatía Ing. Carlos Cáceres por su colaboración Ing. Elkin García por su precisión en la Búsqueda de Herramientas de Trabajo Paola, Nancy por su gracia y ayuda. Quienes estuvieron a nuestro alrededor todo este tiempo, gracias por su colaboración permanente.

8 CONTENIDO pág. INTRODUCCIÓN 25 1 PROBLEMA TITULO DESCRIPCION DEL PROBLEMA FORMULACION DEL PROBLEMA JUSTIFICACIÓN OJETIVOS Objetivo General Objetivos Específicos DELIMITACION Alcances Limitaciones MARCO DE REFERENCIA 33

9 2.1 ANTECEDENTES MARCO CONTEXTUAL MARCO TEORICO Sistemas De Información Inteligencia de negocio Qué es Data Warehouse? Qué es Data un Data Mart? Beneficios de un Data Warehouse Características de un Data Warehouse Sistemas OLTP y Warehouse Arquitectura en Bus de un Data Warehouse Elementos en un Data Warehouse Modelo Dimensional y Modelo Relacional Metodología Ralph Kimball MARCO CONCEPTUAL 56

10 2.5 MARCO LEGAL DISEÑO METODOLOGIO TIPO DE INVESTIGACION POBLACION CONSTRUCCION DEL DATA WAREHOUSE DEFINICIÓN DE LA DEMANDA DEL PROYECTO Especificación de Requerimientos Recolección de los Requerimientos Análisis de los Sistemas Existentes Selección de los Sistemas Fuentes Análisis del Data Warehouse Propuesto Actores del Sistema Diagramas de Casos de Uso DISEÑO ROLAP Diagramas de Secuencias 85

11 4.2.2 Diagramas de Paquetes Diagramas de Clases Diagramas de Componentes DISEÑO DE LA ARQUITECTURA DEL DATAWAREHOUSE Área de Datos de la Arquitectura Área Técnica de la Arquitectura Área de la Infraestructura de la Arquitectura Selección de los Productos de Software PUESTA EN MARCHA Población del Data Warehouse Área de Preparación de los Datos Explotación del Data Warehouse Diagrama de Despliegue MANTENIMIENTO Y CRECIMIENTO Mantenimiento del Sistema 174

12 4.5.2 Mantenimiento de los Usuarios Gestión del Crecimiento DEPURACION PRUEBAS Pruebas por Caso de Uso Pruebas del Sistema CAPACITACION CONCLUSIONES RECOMENDACIONES 184 BIBLIOGRAFIA 185 ANEXOS 187

13 LISTA DE CUADROS pág. Cuadro 1. OLPT vs. DATA WAREHOUSE 43 Cuadro 2. Iniciativas del Negocio 62 Cuadro 3. Los Sistemas de Información en la UFPS 65 Cuadro 4. Matriz Data Mart Estudiantes vs. Dimensión 72 Cuadro 5. Matriz Data Mart Deserción vs. Dimensión 72 Cuadro 6. Matriz Data Mart Graduados vs. Dimensión 72 Cuadro 7. Matriz Data Mart Personal vs. Dimensión 73 Cuadro 8. Descripción Caso de Uso Refrescar Dimensión 77 Cuadro 9. Descripción Caso de Uso Preparar datos - Codificar dimensiones 78 Cuadro 10. Descripción Caso de Uso Preparar datos - Cargar WareHouse 79 Cuadro 11. Descripción Caso de Uso Gestionar usuarios - Modificar Perfil 80 Cuadro 12. Descripción Caso de Uso Gestionar usuarios - Agregar Usuarios 81 Cuadro 13. Descripción Caso de Uso Gestionar usuarios - Eliminar Usuarios 81 Cuadro 14. Descripción Caso de Uso Consultar WareHouse-Consultar WareHouse 82 Cuadro 15. Descripción Caso de Uso Consultar WareHouse - Consultar DataMart 83 Cuadro 16. Descripción Caso de Uso Consultar ayuda 84 Cuadro 17. Hecho Población General 106 Cuadro 18. Hecho Población 108 Cuadro 19. Hecho Colegio 109

14 Cuadro 20. Hecho Edad 110 Cuadro 21. Hecho Icfes 111 Cuadro 22. Hecho Año Bachiller 112 Cuadro 23. Hecho Departamento Bachiller 113 Cuadro 24. Hecho Municipio Bachiller 114 Cuadro 25. Hecho Municipio Nacimiento 115 Cuadro 26. Hecho Departamento de Nacimiento 116 Cuadro 27. Hecho Forma Selección 117 Cuadro 28. Hecho Valor Matrícula 118 Cuadro 29. Hecho Personal Temporal 119 Cuadro 30. Hecho Personal Planta 120 Cuadro 31. Hecho Dedicación Docente 121 Cuadro 32. Hecho Nivel Docente 122 Cuadro 33. Hecho Deserción 124 Cuadro 34. Hecho Titulo Egresado 125 Cuadro 35. Hecho Cargo Egresado 126 Cuadro 36. Sistemas Operacionales UFPS 133 Cuadro 37. Tablas del Data WareHouse 144 Cuadro 38. Hardware Warehouse 160 Cuadro 39. Tabla Carrera 165 Cuadro 40. Redundancia Fuente SIA 166 Cuadro 41. Redundancia Fuente SIP 166 Cuadro 42. Cálculo de Tamaño actual y futuro del Data WareHouse 177

15 LISTA DE FIGURAS pág. Figura 1. Sistemas de Información 35 Figura 2. Concepto Data WareHouse 38 Figura 3. Elementos de un Data Warehouse 45 Figura 4. Modelo Entidad Relación 46 Figura 5. Esquema Estrella 47 Figura 6. Cubo 48 Figura 7. Esquema Copo de Nieve 50 Figura 8. Metodología Ralph Kimball 53 Figura 9. Oficina de Planeación Sistemas de Información 66 Figura 10. Sistemas Elegidos como Fuente 67 Figura 11. Objetos SIA 68 Figura 12. Objetos SIP 69 Figura 13. Objetos Ofiplan 70 Figura 14. Objetos Bienestar 70 Figura 15. Arquitectura Bus Data Mart 73 Figura 16. Diagrama de Caso de Uso del Sistema WareHouse 75 Figura 17. Caso de Uso Preparar datos 76 Figura 18. Caso de Uso Preparar datos - Refrescar dimensiones 77 Figura 19. Caso de Uso Preparar datos - Codificar dimensiones 78

16 Figura 20. Caso de Uso Preparar datos - Cargar WareHouse 79 Figura 21. Caso de Uso Gestionar usuarios 80 Figura 22. Caso de Uso Consultar WareHouse - Consultar WareHouse 82 Figura 23. Caso de Uso Consultar WareHouse - Consultar Data Mart 83 Figura 24. Caso de Uso Consultar WareHouse - Consultar ayuda 84 Figura 25. Secuencia Preparar datos - Refrescar dimensiones 86 Figura 26. Secuencia Preparar datos - Codificar dimensiones 87 Figura 27. Secuencia Preparar datos - Cargar WareHouse 88 Figura 28. Secuencia Gestionar usuarios - Cambiar perfil 89 Figura 29. Secuencia Gestionar usuarios - Agregar Usuario 89 Figura 30. Secuencia Gestionar usuarios - Eliminar Usuario 90 Figura 31. Secuencia Consultar WareHouse - Consultar WareHouse 91 Figura 32. Secuencia Consultar WareHouse - Consultar Data Mart 92 Figura 33. Diagrama de Paquetes 93 Figura 34. Clases Paquete Acceso 94 Figura 35. Clases Paquete Útiles 95 Figura 36. Clases Paquete ETL 96 Figura 37. Diagrama de Componentes 101 Figura 38. Visión Global del Warehouse 103 Figura 39. Fuentes OLTP 103 Figura 40. Componentes del Warehouse 104 Figura 41. Hecho población general 106 Figura 42. Modelo Copo de Nieve Hecho Población General 107

17 Figura 43. Hecho Población 107 Figura 44. Modelo Copo de Nieve Población 108 Figura 45. Hecho Colegio 108 Figura 46. Modelo Copo de Nieve Hecho Colegio 109 Figura 47. Hecho Edad 109 Figura 48. Modelo Copo de Nieve Hecho Edad 110 Figura 49. Hecho Icfes 110 Figura 50. Modelo Copo de Nieve Hecho Icfes 111 Figura 51. Hecho Año Bachiller 111 Figura 52. Modelo Copo de Nieve Hecho Año Bachiller 112 Figura 53. Hecho Departamento Bachiller 112 Figura 54. Modelo Copo de Nieve Departamento Bachiller 113 Figura 55. Hecho Municipio Bachiller 113 Figura 56. Modelo Copo de Nieve Municipio Bachiller 114 Figura 57. Hecho Municipio de Nacimiento 114 Figura 58. Modelo Copo de Nieve Municipio Nacimiento 115 Figura 59. Hecho Departamento de Nacimiento 115 Figura 60. Modelo Copo de Nieve Departamento de Nacimiento 116 Figura 61. Hecho Forma de Selección 116 Figura 62. Modelo Copo de Nieve Forma Selección 117 Figura 63. Hecho Valor Matricula 118 Figura 64. Modelo Copo de Nieve Valor Matrícula 118 Figura 65. Hecho Personal Temporal 119

18 Figura 66. Modelo Copo de Nieve Personal Temporal 120 Figura 67. Hecho Personal Planta 120 Figura 68. Modelo Copo de Nieve Personal Planta 121 Figura 69. Hecho Dedicación Docente 121 Figura 70. Modelo Copo de Nieve Dedicación Docente 122 Figura 71. Hecho Nivel Docente 122 Figura 72. Modelo Copo de Nieve Nivel Docente 123 Figura 73. Hecho Deserción 123 Figura 74. Modelo Copo de Nieve Deserción 124 Figura 75. Hecho Titulo Egresado 125 Figura 76. Modelo Copo de Nieve Titulo Egresado 125 Figura 77. Hecho Cargo Egresado 126 Figura 78. Modelo Copo de Nieve Cargo Egresado 126 Figura 79. Tablas de Dimensión DataMart Estudiantes 127 Figura 80. Tablas de Dimensión DataMart Personal 129 Figura 81. Tablas de Dimensión DataMart Deserción 130 Figura 82. Tablas de Dimensión DataMart Egresados 131 Figura 83. Objetos de Administración 132 Figura 84. Enfoque Global SIA 134 Figura 85. Tablas SIA 135 Figura 86. Enfoque Global. SIP 138 Figura 87. Tablas SIP 139 Figura 88. Enfoque Global Egresados 141

19 Figura 89. Tablas Egresados 142 Figura 90. Modelo Cliente Servidor 145 Figura 91. Modelo de Comunicación 149 Figura 92 Front Room 150 Figura 93. Intranet UFPS 156 Figura 94. Ubicación Servidor Data WareHouse 157 Figura 95. Subred Torre Administrativa 158 Figura 96. Subred División de Sistemas 158 Figura 97. Archivo tablacarrera.sql 163 Figura 98. Carga de Tablas de Dimensión 165 Figura 99. Algoritmo de Carga 166 Figura 100. Carga de Tablas de Hecho 167 Figura 101. Algoritmo de Refresco 169 Figura 102. Refreso de Tablas de Dimensión 170 Figura 103. Algoritmo de Codificación 170 Figura 104. Proceso de Explotación del Warehouse 172 Figura 105. Diagrama de Despliegue del Sistema Warehouse 173 Figura 106. Configurar Fuentes Externas 175

20 LISTA DE ANEXOS pág. Anexo A. Constancia Software 188 Anexo B. Diseño Físico de los Datos 189 Anexo C. Documentación del Código Fuente 250 Anexo D. Entrevista Oficina de Planeación 258 Anexo E. Entrevista División de Sistemas 259 Anexo F. Entrevista Oficina de Personal 260 Anexo G. Manual del Sistema 261 Anexo H. Manual del Usuario 279 Anexo I. Procesamiento de Datos en la Oficina de Planeación 304 Anexo J. Sistema Ofiplan 305

21 GLOSARIO AGREGAR: incorporar múltiples dimensiones para crear una dimensión nueva, tales como la suma de desertores por carrera y los motivos para determinar el gran total de desertores. ANÁLISIS MULTIDIMENSIONAL DE DATOS: análisis simultaneo de múltiples dimensiones de datos. API (APPLICATION PROGRAMMER INTERFACE): Interfaz de Programación de Aplicación. Lenguaje y formato de mensaje utilizados por un programa para activar e interactuar con las funciones de otro programa o de un equipo físico. ASPECTO DEL NEGOCIO: también se conoce como objeto de negocio y se refiere al tipo de información que es interesante para un contexto aplicativo específico en la universidad (como admitidos, docentes, desertores, etc.). BAJAR (DOWN): bajar el nivel de visualización en las filas a una jerarquía inferior. BASE DE DATOS MULTIDIMENSIONAL: una base de datos diseñada alrededor de un conjunto de dimensiones, se usa en el análisis multidimensional y son motores de bases de datos comerciales BASE DE DATOS OPERACIONAL: una base de datos que apoya sistemas de software que están soportando normalmente a las operaciones de la universidad (SIA, SIF, SIB, etc.), también llamada base de datos OLTP BLOQUE DE FUENTE DE DATOS: el componente de la arquitectura de referencia del Data Warehouse que presenta las actividades que tratan con las bases de datos operacionales y las fuentes externas que aportan datos para cargarlos CODIFICACIÓN DE DATOS: actividad que depende del Refresco de Datos. Se trata de asociar continuamente los datos recientemente refrescados del Data Warehouse a partir de los datos existentes (o nuevos datos cuando sea necesario) para generalizar las redundancias, inconsistencias o variedad de codificaciones. COPIA DE SEGURIDAD: backup. Replicación periódica y almacenamiento externo (usualmente en discos y/o cintas) de datos y programas en previsión de posibles contingencias. Reproducción de los datos actuales guardados en un soporte informático, para tenerlos disponibles en caso de que un desastre del sistema impida recuperar los datos con los que se está trabajando.

22 CUBO: es una estructura de datos multidimensional que representa la intersección de una combinación única de dimensiones. Para cada intersección hay una celda que contiene un valor. DATA MART: es una implementación de un Data WareHouse con un determinado alcance de información y un soporte limitado para procesos analíticos, que sirve a un área de la universidad para el análisis de problemas de un tema particular. DATA WAREHOUSE: es un conjunto de datos integrados orientados a una materia, que varían con el tiempo y que no son transitorios, los cuales soportan el proceso de toma de decisiones de una organización. DATOS DEL NEGOCIO: son orientados a un tema, no volátiles y soportan decisiones de administración. Contiene valores históricos para análisis durante periodos largos y que son accesibles de manera fácil y flexible. DATOS NO DEPURADOS: datos que son ambiguos o que carecen de validez por ser inexistentes, ausentes, incorrectos o duplicados. DATOS OPERACIONALES: son orientados a una aplicación específica donde constantemente son actualizados y soportan operaciones diarias. Son creados durante la ejecución de procesos y almacenados en un archivo o en una base de datos. Frecuentemente contienen valores muy detallados y son de mínimo uso en los negocios debido a su gran volumen, ubicación y formatos. DDL (DATA DEFINITION LANGUAGE): se utiliza para la definición de la base de datos y de los elementos que contiene (tablas, relaciones...) y para su mantenimiento. Es propio de cada SGBD. Permite definir entidades, identificadores (claves), atributos, interrelaciones, autorizaciones de acceso, restricciones de integridad, etc. A nivel interno, facilita la definición del espacio físico, longitud de los campos, representación de los datos (binario, alfanumérico, etc.), caminos de acceso (punteros, índices...), etc. DETALLAR (DRILLDOWN): informar para una fila en concreto, de datos a un nivel inferior. DML (DATA MANIPULATION LANGUAGE): lenguaje utilizado para la actualización y consulta de los datos almacenados en una base de datos. Puede añadir, seleccionar, suprimir o modificar los datos de la BD respetando las reglas establecidas por el DDL. Comprueba si la transferencia de datos finaliza correctamente. DOMINIO: todos los valores posibles que puede contener un campo en particular para cada registro en el archivo. EXPANDIR (EXPAND): detallar sin perder la información a nivel superior para éste y el resto de los valores.

23 FUENTES DE DATOS: es un componente que normalmente está presente originariamente en las organizaciones, y a partir del cual se realiza la captura de datos que se contemplará en el Data WareHouse. HERRAMIENTA DE USUARIO FINAL (FRONT-END TOOL): es un tipo de software que recolecta los datos almacenados en un Data Warehouse y los presenta a los usuarios en forma de informes o vistas interactivas. INDICADORES ESTRATÉGICOS: una medida que figura como una de las más importantes métricas en la universidad. Sirven de guía a la dirección para la toma de decisiones que afectan a una unidad de negocio en particular, así como también a la universidad completa. METADATOS: dato sobre dato, es decir, la información enlazada con el dato: origen, fecha de actualización, fecha de importación a la base, persona que le ha modificado últimamente, fecha de validez, formato, etc. Los metadatos son indispensables para una buena comprensión del sistema. Se almacenan en el referencial. MODELADO DIMENSIONAL: es una técnica de diseño lógico que busca presentar la información en un marco estándar e intuitivo que permita un acceso de alto rendimiento. MOLAP: un sistema MOLAP usa una base de datos propietaria multidimensional, en la que la información se almacena multidimensionalmente, para ser visualizada multidimensionalmente. OLAP (ON LINE ANALYTICAL PROCESSING): son los sistemas de soporte a la decisión usando tecnologías de Data Warehouse, estos sistemas deben: Soportar requerimientos complejos de análisis, Analizar datos desde diferentes perspectivas y Soportar análisis complejos contra un volumen enorme de datos PROCESOS ETL (EXTRACT, TRANSFORM, AND LOAD): son los procesos responsables del transporte e integración de datos de uno o más sistemas fuentes a uno o más sistemas de destino. REFRESCO DE DATOS: actividad de actualizar continuamente el contenido de los datos del Data Warehouse a partir de las fuentes de datos. Este es un proceso donde las operaciones de datos de hoy se convierten en los datos históricos de mañana ROLAP: la arquitectura ROLAP, accede a los datos almacenados en un Data Warehouse para proporcionar los análisis OLAP. La premisa de los sistemas ROLAP es que las capacidades OLAP se soportan mejor en las bases de datos relacionales. ROTAR (SWAP): alterar las filas por columnas (permutar dos dimensiones de análisis).

24 SQL (STRUCTURED QUERY LANGUAGE): Lenguaje con el que se realizan las peticiones, que permite interrogar a todas las bases de datos compatibles utilizando las mismas peticiones. TABLA: los datos se almacenan en las bases de datos relacionales en forma de tablas, es decir, hojas de dos dimensiones (líneas y columnas) TRANSACCIÓN: diálogo informático entre una aplicación y un usuario que termina en la realización de una instrucción o una orden. TRANSFORMACIÓN: proceso de homogeneización de los datos clave. Esta fase es esencial para que los datos que hay que analizar sean fiables sobre todo cuando provienen de bases de datos distintas.

25 INTRODUCCIÓN La Universidad Francisco de Paula Santander en su afán de modernización y actualización de los procesos informáticos ha desarrollado diversos sistemas de información como: el SIA (Sistema de Información Académica), el SIP (Sistema de Información de Personal), el SIF (Sistema de Información Financiero), el SIB (Sistema de información de Biblioteca) y el Sistema de Información de Bienestar, los cuales apoyan los procesos operativos de cada departamento de la Universidad según su estructura jerárquica. Estos sistemas almacenan datos del comportamiento de la Universidad de acuerdo a sus procesos educativos como ente formador de profesionales integrales. Pero cuando la Universidad necesita revelar su comportamiento en cifras, mas exactamente la Oficina de Planeación, la variedad de sistemas y su dispersión por los diferentes departamentos se vuelve realmente un caos al tratar de consolidar tales requerimientos en una única presentación, mas aun cuando debe responder a requerimientos con fechas limites de tiempo a entidades externas tales como CNA (Consejo Nacional de Acreditación), ICFES (Instituto Colombiano para el Fomento de la Educación Superior), CRES (Comités Regionales de Educación Superior), DANE (Departamento Administrativo Nacional de Estadística), SNIES (Sistema Nacional de Información Estadística) e Instituciones Bancarias Es así como en la Oficina de Planeación se presentan inconvenientes para la obtención de los datos provenientes de los sistemas de información existentes en la universidad. De ahí la propuesta de la construcción de un Data WareHouse (almacén de datos) para facilitar el acceso a la información y tener respuesta inmediata de los procedimientos que se llevan a cabo en las actividades operacionales de la Universidad. El Data WareHouse es una técnica que por estos días está tomando partida en las organizaciones sobre todo para incrementar la eficiencia en las decisiones gerenciales. Cuando los sistemas tradicionales no bastan y es necesario un cruce de datos que permita analizar fácilmente la información para que directivos, ejecutivos y especialistas encuentren, entre la multitud de datos operativos que brindan sus sistemas, las comparaciones, tendencias, el descubrimiento de comportamientos, estadísticas y las operaciones basadas en datos históricos ciertos. El Data WareHouse se alimenta de los sistemas: SIA, SIP, SI Ofiplan y SI de Bienestar, los cuales serán su fuente de información. La idea de un Data WareHouse y todos sus beneficios con los que se pueda contar, es una pieza fundamental para la universidad y específicamente para la Oficina de Planeación que sirve de apoyo en la toma de decisiones a las diferentes unidades administrativas y que contribuye también con los procesos de planeación, formulación de programas, diseño y evaluación de proyectos. 25

26 1. PROBLEMA 1.1 TITULO ANALISIS DISEÑO E IMPLEMENTACION DE UN DATAWAREHOUSE PARA EL APOYO DE LA TOMA DE DECISIONES EN LOS COMPONENTES ACADEMICOS DE LA OFICINA DE PLANEACION EN LA UNIVERSIDAD FRANCISCO DE PAULA SANTANDER 1.2 DESCRIPCION DEL PROBLEMA La Oficina de Planeación de la Universidad Francisco de Paula Santander tiene dentro de sus funciones recopilar, ordenar y suministrar la información relacionada con las actividades de la institución, necesarias para los procesos de planeación 1. Estos, entre otros, son: definir políticas, planes y programas institucionales, asesorar en la factibilidad de proyectos, creación de programas académicos, asesorar en los procesos de toma de decisiones. La naturaleza de estas funciones se basa en el acceso y permanencia de información en donde la Oficina de Planeación muestra ante la universidad el comportamiento de sus procesos en datos, números y estadísticas. Se realizan procesos que dependen de la entrega de información de terceros, lo que conlleva a que la eficiencia en sus labores sea dependiente de estos. Este es un gran inconveniente a la hora de realizar estadísticas ya que no posee la información de forma directa y existe la carencia de una herramienta que permita su recolección, organización y visualización necesaria para efectos estadísticos. La Oficina de Planeación debe presentar informes actuales y periódicos referentes a solicitudes que provienen de áreas internas de la Universidad e instituciones externas tales como Entidades Bancarias, CNA, ICFES, CRES, DANE, SNIES. Mucha veces esta información no se puede entregar en forma completa y oportuna ya que no existen mecanismos previamente establecidos que permitan su recolección, lo cual puede conllevar a que la universidad no sea tenida en cuenta o no aproveche los beneficios que pueden ofrecer estas instituciones y que por consiguiente quede en entredicho su buen nombre. Otro aspecto es que la Oficina de Planeación no registra la información de forma eficiente y 1 Estructura Orgánica. Acuerdo 126 Universidad Francisco de Paula Santander.UFPS p 9. 26

27 de forma organizada ya que no hay históricos y los informes se guardan en libros físicos y archivos planos (disquettes) sin un modelo de datos propio y centralizado, corriendo el riesgo de pérdida de información valiosa sin que posteriormente pueda ser reutilizada. 1.3 FORMULACION DEL PROBLEMA Ante la situación planteada se ve la necesidad de formularse las siguientes preguntas: Es fundamental desarrollar una herramienta que permita agilizar los procesos a los que se dedica la Oficina de Planeación? Es necesario generar el registro histórico de la información en un modelo de datos sobre el resultado de las consultas hechas para estudiantes, docentes y egresados por semestre académico? Es necesario generar reportes y gráficas de diversos factores sobre estudiantes docentes y egresados para la Oficina de Planeación? Instituciones como el CNA, ICFES, CRES, DANE, solicitan a la Oficina de Planeación información periódicamente pero cómo entregar este tipo de información cuando no esta disponible o no se ha realizado los procesos necesarios para calcular la información? Es posible llegar a estadística cualitativa con los resultados de las consultas, reportes y graficas? Es fundamental un Data WareHouse que se encargue de recolectar la información de otros sistemas para realizar estadística cuantitativa? Es aplicable la metodología Data WareHouse para el proceso estadístico en la Oficina de Planeación? Se requiere un Data WareHouse que haga un seguimiento referente al abandono, deserción y reintegro de estudiantes en programas académicos y demás variables estudiantiles? 27

28 1.4 JUSTIFICACIÓN La labor de la Universidad Francisco de Paula Santander es de naturaleza académica y dentro de ella juega un papel importante el rendimiento estudiantil, por esto, la institución requiere una herramienta que permita el estudio estadístico descriptivo donde se pueda medir tendencias de comportamiento académico del alumnado, también es de gran importancia la medición de factores donde se pueda medir estadísticamente el estado en que se encuentran los egresados y su relación con su programa académico cursado. Se necesita por tanto, crear un sistema que permita obtener la información académica a través de registros estadísticos periódicamente actualizados, que puedan ser consultados de una manera ágil y oportuna por la Oficina de Planeación. También es de vital importancia para la Universidad Francisco de Paula Santander conocer la situación de sus egresados y poseer registros actuales donde se pueda obtener información sobre el perfil y desempeño profesional de éstos; para proveer a los altos directivos un soporte en asuntos de recontextualizar, flexibilizar el currículo, revisar los procesos y la calidad de los recursos para proyectar perspectivas laborales y de desempeño. En la actualidad los resultados estadísticos que se toman de los sistemas no se registran en forma unificada sino que se encuentra dispersos (Boletines, listas, archivos planos, disquetes, CD ROOM, etc.), de esta manera no se mantiene la información integrada y en la mayoría de los casos durante un periodo de tiempo largo se pierde información valiosa para un seguimiento histórico estadístico, para esto se justifica implementar un superalmacén de datos que guarde a través del tiempo los resultados estadísticos de los diferentes factores que describen a docentes, estudiantes y egresados consultados en otros sistemas de información para su posterior acceso. Es de vital importancia la integración de la información utilizada en el proceso de realizar estadística para que este sea ágil, oportuno y eficiente para las labores a cargo de la Oficina de Planeación, de esta forma la información que produce será íntegra, fiable, oportuna y económica en tiempo y en esfuerzo. A la oficina de Planeación le es solicitada información por instituciones tales como ICFES, CRES, DANE, SNIES, etc. algunas veces información de tipo cualitativo, con este proyecto de Data WareHouse se pretende responder a las solicitudes y dar cumplimiento a dichas instituciones. Estas instituciones dan fechas limite para la entrega de la información por parte de la universidad a la cual están evaluando, si el ente educativo incumple con la solicitud sobrevienen sanciones de tipo económico, además entra en juego el buen nombre de la universidad. La universidad debe ser oportuna al momento de presentar los reportes a las 28

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

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

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

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

Diseño de almacén de datos para el análisis eficiente de la información de incidentes informáticos y mantenimientos.

Diseño de almacén de datos para el análisis eficiente de la información de incidentes informáticos y mantenimientos. Diseño de almacén de datos para el análisis eficiente de la información de incidentes informáticos y mantenimientos. Ing. Corso Cynthia, Ing. Luque Claudio, Ing. Ciceri Leonardo, Sr Donnet Matías Grupo

Más detalles

CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS

CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS 1. RESEÑA HISTORICA Las exigencias competitivas del mercado hacen que las organizaciones busquen mecanismos

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

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

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

UNIVERSIDAD ALBERT EINSTEIN FACULTAD DE INGENIERIA

UNIVERSIDAD ALBERT EINSTEIN FACULTAD DE INGENIERIA UNIVERSIDAD ALBERT EINSTEIN FACULTAD DE INGENIERIA Estudio de las herramientas TOAD y DBArtisan para la administración e integración de bases de datos relacionales. PREVIA OPCION AL TÍTULO DE: INGENIERO

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

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

ELEMENTO I INTRODUCCION A LOS SISTEMAS DE BASES DE DATOS

ELEMENTO I INTRODUCCION A LOS SISTEMAS DE BASES DE DATOS Base de Datos ELEMENTO I INTRODUCCION A LOS SISTEMAS DE BASES DE DATOS Una base de datos es un conjunto de elementos de datos que se describe a sí mismo, con relaciones entre esos elementos, que presenta

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

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

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

TECNOLÓGICAS EMPRESAS

TECNOLÓGICAS EMPRESAS SOLUCIONES TECNOLÓGICAS INTEGRALES PARA LAS EMPRESAS Por: Ivonne Rodríguez CONTENIDO 1. Problemas actuales en las empresas 2. Bussines Intelligence 3. Capa: Data Warehouse 4. Capa: BI en el campo empresarial

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

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

BASES DE DATOS. 1.1 Funciones de un DBMS

BASES DE DATOS. 1.1 Funciones de un DBMS BASES DE DATOS Un DBMS, son programas denominados Sistemas Gestores de Base de Datos, abreviado SGBD, en inglés Data Base Management System (DBMS) que permiten almacenar y posteriormente acceder a los

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

Conjunto de informes y gráficos consolidados en un solo objeto que facilita la visualización y análisis de la información. 2

Conjunto de informes y gráficos consolidados en un solo objeto que facilita la visualización y análisis de la información. 2 1. BLOQUE DESCRIPTIVO 1. Título de la Buena Práctica Uso de una base de datos robusta que ayuda en la toma de decisiones (Data Warehouse), como fuente principal del Sistema de apoyo a la gestión (SAG)

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

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

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

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

BUSINESS INTELLIGENCE. www.sbi-technology.com

BUSINESS INTELLIGENCE. www.sbi-technology.com BUSINESS INTELLIGENCE www.sbi-technology.com SBI Technology SRL Maipú 1492 Piso 2 S2000CGT - Rosario Rep. Argentina Tel: (54 341) 530 0815 www.sbi-technology.com Copyright - SBI Technology SRL - Todos

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

Arquitectura para análisis de información. Zombi es una arquitectura que proporciona de manera integrada los componentes

Arquitectura para análisis de información. Zombi es una arquitectura que proporciona de manera integrada los componentes Capítulo 4 Arquitectura para análisis de información propuesta 4.1 Arquitectura Zombi es una arquitectura que proporciona de manera integrada los componentes necesarios para el análisis de información

Más detalles

Aplicación de las tecnologías OLAP y Data Warehousing para la gestión hospitalaria utilizando software libre.

Aplicación de las tecnologías OLAP y Data Warehousing para la gestión hospitalaria utilizando software libre. Aplicación de las tecnologías OLAP y Data Warehousing para la gestión hospitalaria utilizando software libre. Autores: Ing. Sandro Martínez Folgoso, Ing. Jorge Recio Capote, Ing. Eduardo Rodríguez Reyes.

Más detalles

Unidad I: Sistemas Gestores de Bases de Datos. 1.1 Objetivo de las Bases de Datos

Unidad I: Sistemas Gestores de Bases de Datos. 1.1 Objetivo de las Bases de Datos Unidad I: Sistemas Gestores de Bases de Datos. 1.1 Objetivo de las Bases de Datos Redundancia e inconsistencia de datos: Puesto que los archivos que mantienen almacenada la información son creados por

Más detalles

Operational Data Store (ODS)

Operational Data Store (ODS) Operational Data Store (ODS) Rosa María Castillo Div. de Servicios de Redes de Datos Telefónica I+D 28037 Madrid rmcc@tid.es Jesús Morata Div. DataWareHouse para Telefónica de España Telefónica I+D 28037

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

LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI

LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI INTRODUCCIÓN Se habla en multitud de ocasiones de Business Intelligence, pero qué es realmente? Estoy implementando en mi organización procesos de Business

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 a Bases de Datos

Introducción a Bases de Datos de a M. -Tastets Universidad de Concepción,Chile www.inf.udec.cl\ andrea andrea@udec.cl II Semestre - 2007 y del s: Sistemas de y del s: de y del s: Objetivos de la Unidad Dar a conocer las características,

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

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

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

www.itconsulting.com.bo B. Las palmas C./ San Miguel#420 Telf. Of.: 591-3-3210356 Cel.76364838 Santa Cruz - Bolivia

www.itconsulting.com.bo B. Las palmas C./ San Miguel#420 Telf. Of.: 591-3-3210356 Cel.76364838 Santa Cruz - Bolivia Señor(a): CLIENTE Presente.- Santa Cruz, 14 Noviembre del 2012 REF.: COTIZACION ESPECIALISTA EN ANALISIS DE DATOS & INTELIGENCIA DE NEGOCIOS EN EXCEL 2007-2010 Distinguido Señores: Consultores en Tecnologías

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

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

CUALIFICACIÓN SISTEMAS DE GESTIÓN DE INFORMACIÓN PROFESIONAL. Nivel 3. Versión 5 Situación RD 1201/2007 Actualización

CUALIFICACIÓN SISTEMAS DE GESTIÓN DE INFORMACIÓN PROFESIONAL. Nivel 3. Versión 5 Situación RD 1201/2007 Actualización Página 1 de 16 CUALIFICACIÓN SISTEMAS DE GESTIÓN DE INFORMACIÓN PROFESIONAL Familia Profesional Informática y Comunicaciones Nivel 3 Código IFC304_3 Versión 5 Situación RD 1201/2007 Actualización Competencia

Más detalles

Primeros pasos hacia la Inteligencia de Negocios: Almacenes de datos (DataWareHouse), Herramientas ETL(PDI), Procesamiento analítico en línea.

Primeros pasos hacia la Inteligencia de Negocios: Almacenes de datos (DataWareHouse), Herramientas ETL(PDI), Procesamiento analítico en línea. Primeros pasos hacia la Inteligencia de Negocios: Almacenes de datos (DataWareHouse), Herramientas ETL(PDI), Procesamiento analítico en línea. Introducción Una solución de Business Intelligence parte de

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

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

1. PRESENTACIÓN GLOBAL LEAN.

1. PRESENTACIÓN GLOBAL LEAN. GLOBAL LEAN APPS 1. PRESENTACIÓN GLOBAL LEAN. GLOBALLEAN apuesta por mejorar la competitividad de las empresas. Y una herramienta clave para conseguir mejoras de competitividad que deriven en resultados

Más detalles

1.1.- Objetivos de los sistemas de bases de datos 1.2.- Administración de los datos y administración de bases de datos 1.3.- Niveles de Arquitectura

1.1.- Objetivos de los sistemas de bases de datos 1.2.- Administración de los datos y administración de bases de datos 1.3.- Niveles de Arquitectura 1. Conceptos Generales 2. Modelo Entidad / Relación 3. Modelo Relacional 4. Integridad de datos relacional 5. Diseño de bases de datos relacionales 6. Lenguaje de consulta estructurado (SQL) 1.1.- Objetivos

Más detalles

DATATUR Almacén de Datos para el Análisis y Difusión de la Información Estadística del Turismo en España

DATATUR Almacén de Datos para el Análisis y Difusión de la Información Estadística del Turismo en España DATATUR Almacén de Datos para el Análisis y Difusión de la Información Estadística del Turismo en España Jorge Rubio Navarro 1 José Manuel Salinas 2 1. Subdirector General Adjunto de Promoción Turística

Más detalles

SISTEMA DE INFORMACION DE GESTION DE TARJETAS DE CREDITO USANDO DATA MART E INTELIGENCIA DE NEGOCIOS PARA EL AREA COMERCIAL DEL BANCO RIPLEY PERU

SISTEMA DE INFORMACION DE GESTION DE TARJETAS DE CREDITO USANDO DATA MART E INTELIGENCIA DE NEGOCIOS PARA EL AREA COMERCIAL DEL BANCO RIPLEY PERU SISTEMA DE INFORMACION DE GESTION DE TARJETAS DE CREDITO USANDO DATA MART E INTELIGENCIA DE NEGOCIOS PARA EL AREA COMERCIAL DEL BANCO RIPLEY PERU AGENDA INTRODUCCION PLANTEAMIENTO METODOLOGICO ANTECEDENTES

Más detalles

Tema 1. Conceptos básicos

Tema 1. Conceptos básicos Conceptos básicos Sistema de Gestión de Bases de Datos, SGBD (DBMS, Database Management System): software diseñado específicamente para el mantenimiento y la explotación de grandes conjuntos de datos 1

Más detalles

Unidad didáctica 2: Metodologías de desarrollo de Bases de Datos. Unidad didáctica 1: Fase de análisis de requisitos Modelo E/R

Unidad didáctica 2: Metodologías de desarrollo de Bases de Datos. Unidad didáctica 1: Fase de análisis de requisitos Modelo E/R índice Módulo A Unidad didáctica 1: Introducción a las Bases de Datos Unidad didáctica 2: Metodologías de desarrollo de Bases de Datos 3 19 Módulo B Unidad didáctica 1: Fase de análisis de requisitos Modelo

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

CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días

CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER DURACIÓN DÍAS DE CONEXIÓN 40 horas 60 días CONTACTO: formacion@fgulem.es El Campus Virtual ha sido concebido con una metodología dinámica e

Más detalles

Tecnologías de la Información en la Gestión Empresarial

Tecnologías de la Información en la Gestión Empresarial Tecnologías de la Información en la Gestión Empresarial 1 Sesión No.8 Nombre: Procesos de Negocio y Gestión en Business Intelligence Objetivo: Al término de la sesión, el alumno ilustrará un proceso de

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

Introducción. Campos de Aplicación SGBD. Índice. Aplicaciones Representativas. Aplicaciones Representativas

Introducción. Campos de Aplicación SGBD. Índice. Aplicaciones Representativas. Aplicaciones Representativas SGBD Base de Un Sistema Gestor de consiste en: Datos Una colección de datos interrelacionados Un conjunto de programas para acceder a los datos Objetivo Principal de un SGBD: Proporcionar una forma práctica

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

El presente artículo se centra en el conocimiento

El presente artículo se centra en el conocimiento Herramientas para el Diseño de Sistemas de Gestión del Conocimiento Basadas en Inteligencia Empresarial Lilian Judith Sandoval.¹ Salvador Peña.² Resumen El presente artículo se centra en el conocimiento

Más detalles

LOS INDICADORES DE GESTIÓN

LOS INDICADORES DE GESTIÓN LOS INDICADORES DE GESTIÓN Autor: Carlos Mario Pérez Jaramillo Todas las actividades pueden medirse con parámetros que enfocados a la toma de decisiones son señales para monitorear la gestión, así se asegura

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

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

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

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

3.3.3 Tecnologías Mercados Datos

3.3.3 Tecnologías Mercados Datos 3.3.3 Tecnologías Mercados Datos TECNOLOGIAS DATAMART: Aspect Data Mart es una solución completa de reportes para la empresa, que le proporciona un mayor entendimiento de las operaciones de sus negocios

Más detalles

Estructura de Bases de datos. Leonardo Víquez Acuña

Estructura de Bases de datos. Leonardo Víquez Acuña Estructura de Bases de datos Leonardo Víquez Acuña Lenguajes de Bases de Datos Un sistema de bases de datos proporciona Un lenguaje de definición de datos para especificar el esquema de la base de datos

Más detalles

LA UBICACIÓN DEL CONOCIMIENTO EN LAS ORGANIZACIONES

LA UBICACIÓN DEL CONOCIMIENTO EN LAS ORGANIZACIONES Cuadernos de Gestión del Conocimiento Empresarial Número 25. Septiembre de 2010 LA UBICACIÓN DEL CONOCIMIENTO EN LAS ORGANIZACIONES Por Fernando Piera Gómez, vicepresidente 1º de ATI Al final de la primera

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

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

Cómo ganar con una solución intuitiva de Business Intelligence para las medianas empresas

Cómo ganar con una solución intuitiva de Business Intelligence para las medianas empresas Resumen de producto SAP Soluciones SAP para pequeñas y medianas empresas SAP BusinessObjects Business Intelligence, Edge Edition Objetivos Cómo ganar con una solución intuitiva de Business Intelligence

Más detalles

DESARROLLO DE UNA SOLUCIÓN DE INTELIGENCIA DE NEGOCIO PARA EL APOYO A LA TOMA DE DECISIONES EN EL ÁREA VENTAS DE EMPRESAS DEL SECTOR SALUD

DESARROLLO DE UNA SOLUCIÓN DE INTELIGENCIA DE NEGOCIO PARA EL APOYO A LA TOMA DE DECISIONES EN EL ÁREA VENTAS DE EMPRESAS DEL SECTOR SALUD UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE COMPUTACIÓN CENTRO DE INVESTIGACIÓN DE SISTEMAS DE INFORMACIÓN DESARROLLO DE UNA SOLUCIÓN DE INTELIGENCIA DE NEGOCIO PARA EL APOYO A LA

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

TECNOLOGÍA SOFTWARE PARA EL DESARROLLO DE SISTEMAS DE INFORMACIÓN. Sistemas Informacionales (BI Business Intelligence) Sonia Marrero Cáceres

TECNOLOGÍA SOFTWARE PARA EL DESARROLLO DE SISTEMAS DE INFORMACIÓN. Sistemas Informacionales (BI Business Intelligence) Sonia Marrero Cáceres TECNOLOGÍA SOFTWARE PARA EL DESARROLLO DE SISTEMAS DE INFORMACIÓN Sistemas Informacionales (BI Business Intelligence) Sonia Marrero Cáceres Sistemas Informacionales Sistemas informacionales: Sistemas de

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

Universidad Nacional del Nordeste Facultad de Ciencias Exactas y Naturales y Agrimensura. Monografía de Adscripción: Data Warehouse

Universidad Nacional del Nordeste Facultad de Ciencias Exactas y Naturales y Agrimensura. Monografía de Adscripción: Data Warehouse Universidad Nacional del Nordeste Facultad de Ciencias Exactas y Naturales y Agrimensura Monografía de Adscripción: Data Warehouse Rojas, Mariana Isabel LU: 38382 Prof. Director: Mgter. David Luis La Red

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

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

Unidad 1. Introducción a los conceptos de Bases de Datos

Unidad 1. Introducción a los conceptos de Bases de Datos Unidad 1 Introducción a los conceptos de Bases de Datos 1.1 Definición de Base de Datos Dato: Conjunto de caracteres con algún significado, pueden ser numéricos, alfabéticos, o alfanuméricos. Información:

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

CUALIFICACIÓN PROGRAMACIÓN DE SISTEMAS INFORMÁTICOS PROFESIONAL. Nivel 3. Versión 5 Situación RD 1201/2007 Actualización

CUALIFICACIÓN PROGRAMACIÓN DE SISTEMAS INFORMÁTICOS PROFESIONAL. Nivel 3. Versión 5 Situación RD 1201/2007 Actualización Página 1 de 17 CUALIFICACIÓN PROGRAMACIÓN DE SISTEMAS INFORMÁTICOS PROFESIONAL Familia Profesional Informática y Comunicaciones Nivel 3 Código IFC303_3 Versión 5 Situación RD 1201/2007 Actualización Competencia

Más detalles

Creación de un almacén de datos para apoyar los procesos operacionales ejecutados por el área de Crédito de una empresa automotriz.

Creación de un almacén de datos para apoyar los procesos operacionales ejecutados por el área de Crédito de una empresa automotriz. UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE COMPUTACIÓN CENTRO DE INFORMACIÓN DE SISTEMAS DE INFORMACIÓN Creación de un almacén de datos para apoyar los procesos operacionales ejecutados

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

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

Sistemas de Ayuda a la Decision Qué es un Sistema de Ayuda a la Decisión?

Sistemas de Ayuda a la Decision Qué es un Sistema de Ayuda a la Decisión? Sistemas de Ayuda a la Decision Qué es un Sistema de Ayuda a la Decisión? Luis Daniel Hernández Molinero Departamento de Ingeniería de la Información y las Comunicaciones Facultad de Informática Universidad

Más detalles

AUDITORIA DE SISTEMAS. Jorge Alberto Blanco Duarte

AUDITORIA DE SISTEMAS. Jorge Alberto Blanco Duarte AUDITORIA DE SISTEMAS Jorge Alberto Blanco Duarte QUE ES LA AUDITORIA DE SISTEMAS? La auditoria en informática es la revisión y la evaluación de los controles, sistemas, procedimientos de informática;

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

El almacén de indicadores de proceso de negocio en ejecución

El almacén de indicadores de proceso de negocio en ejecución X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 El almacén de indicadores de proceso de negocio en ejecución Andrés Boza García 1, Angel Ortiz Bas 1, Llanos Cuenca Gonzalez

Más detalles

Una base de datos es una colección de información ordenada e interrelacionada que es de importancia para una empresa.

Una base de datos es una colección de información ordenada e interrelacionada que es de importancia para una empresa. BASES DE DATOS Una base de datos es una colección de información ordenada e interrelacionada que es de importancia para una empresa. La creación de una base de datos debe ser realizada cuidadosamente procurando

Más detalles

ASIGNATURA: Tecnologías de Información y Comunicación II

ASIGNATURA: Tecnologías de Información y Comunicación II ASIGNATURA: Tecnologías de Información y Comunicación II 53 HORAS DESCRIPCIÓN DE LA ASIGNATURA: Esta asignatura proporciona al alumno las competencias y herramientas teóricas necesarias para la aplicación

Más detalles

UNIVERSIDAD DEL AZUAY

UNIVERSIDAD DEL AZUAY UNIVERSIDAD DEL AZUAY FACULTAD CIENCIAS DE LA ADMINISTRACIÓN ESCUELA DE INGENERIA EN SISTEMAS Construcción de un Data Warehouse, a través de la herramienta Bussiness Intelligence de ORACLE, para la aplicación

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

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

Boletín de Asesoría Gerencial*

Boletín de Asesoría Gerencial* Espiñeira, Sheldon y Asociados No. 10-2008 *connectedthinking Contenido Haga click en los enlaces para navegar a través del documento Haga click en los enlaces para llegar directamente a cada sección 4

Más detalles

INTELIGENCIA DE NEGOCIOS CON SQL SERVER 2008 R2

INTELIGENCIA DE NEGOCIOS CON SQL SERVER 2008 R2 Programa de Capacitación y Certificación. INTELIGENCIA DE NEGOCIOS CON SQL SERVER 2008 R2 Contenido PERFIL DE UN ESPECIALISTA EN BASES DE DATOS.... 3 6231. MANTENIENDO UNA BASE DE DATOS DE SQL SERVER 2008

Más detalles

GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS

GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GOP 06 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS EVALUACIÓN DEL DESEMPEÑO

Más detalles

Introducción a las bases de datos

Introducción a las bases de datos Introducción a las bases de datos Juan Ignacio Rodríguez de León Abstract Aplicaciones de los sistemas de bases de datos. Sistemas de bases de datos frente a sistemas de archivos. Visión de los datos.

Más detalles

LINEAMIENTOS GENERALES PARA LA IMPLEMENTACIÓN DE PROCESOS ELECTRÓNICOS

LINEAMIENTOS GENERALES PARA LA IMPLEMENTACIÓN DE PROCESOS ELECTRÓNICOS LINEAMIENTOS GENERALES PARA LA IMPLEMENTACIÓN DE PROCESOS LINEAMIENTOS GENERALES PARA LA IMPLEMENTACIÓN DE PROCESOS Ministerio de Tecnologías de la Información y las Comunicaciones Programa de Gobierno

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

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003 MINERÍA DE DATOS Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE Octubre - 2003 CONTENIDO Qué es Data Warehousing Data Warehouse Objetivos del Data Warehouse

Más detalles