Por: Fabiola del Toro Osorio

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

Download "Por: Fabiola del Toro Osorio"

Transcripción

1 BODEGA DE DATOS Por: Fabiola del Toro Osorio

2 La toma de decisiones se facilita cuando se cuenta con información En un mercado que cambia, las decisiones se deben tomar con base al conocimiento.

3 Las bodegas de datos en la actualidad En el 1994, Howard Dresdner de Gartner Group predijo lo siguiente: En el 1996, el uso de las soluciones de inteligencia de negocio cambiará dramáticamente de analistas dedicados a todos los gerentes y profesionales como la manera preferida de entender el negocio. En lugar de un pq pequeño número de analistas invirtiendo el cien por ciento de su tiempo analizando datos, todos los gerentes y profesionales invertirán el diez por ciento de su tiempo utilizando herramientas de inteligencia de negocio

4 Algunas motivaciones para la implementación de DW Visualizar detalladamente su negocio Optimizar sus procesos Alcanzar sus metas y objetivos a partir de toma de decisiones basadas en conocimiento Interés en manejar grandes volúmenes de datos en la toma de decisiones Manejo de múltiples y variadas fuentes de información Eliminar la dispersión de la información Minimizar las inconsistencias en la información Facilitar el acceso a la información histórica

5 Algunas definiciones de DW "Yo considero al DW como algo que provee dos beneficios empresariales reales: Integración y Acceso de datos. DW elimina una gran cantidad de datos inútiles y no deseados, como también el procesamiento desde el ambiente operacional clásico". 1993, Susan Osterfeldt

6 Las bodegas de datos ponen a su disposición conocimiento Es una colección de datos para soporte al proceso de toma de decisiones. i W. H. Inmon

7 La construcción y uso de la bodega de datos para generar dicho conocimiento La Bodega de Datos NO es un producto, es un proceso Extracción Transformación Carga Visualización El proceso de unir datos de diferentes fuentes, para extraer conocimiento

8 El almacenamiento de datos debe ser usado según sus propias caracteríscas Bases de datos operacionales Orientación. al proceso Sistema de Bodega de Datos Orientación a Toma de decisiones

9 Los datos a incluir en la bodega potencian su uso Los datos a incluir en la bodega están asociados a información relevante en la organización Facturas Ventas Conocimiento (Toma decisiones) Recursos Humanos Definición productos

10 Los datos unificados Integrada. La base de datos contiene los datos de todos los sistemas operacionales de la organización, y dichos datos deben ser consistentes Fuente1 Fuente2 Ventas Fuentes Externas Fuentes Internas Definición productos Almacen de Datos

11 Los datos reflejan fotos momento a momento Variable en el tiempo

12 Los datos permanecen en el tiempo No volátil. La información no se modifica ni se elimina, una vez almacenado un dato, éste se convierte en información de sólo lectura, y se mantiene para futuras consultas.

13 Otras visiones de las bodegas de datos Un almacén de datos es una copia de las transacciones de datos específicamente estructurada para la consulta y el análisis. Un data warehouse no es más que la unión de todos los Data marts de una entidad. Definición de Ralph Kimball

14 Los Data mart como un medio para para consolidar una bodega de datos Los Data marts son subconjuntos de datos de un data warehouse para áreas especificas. Entre las características de un data mart destacan: Usuarios limitados. Área especifica. Tiene un propósito especifico. Tiene una función de apoyo.

15 La visualización de la información se puede hacer a partir de cubos

16 Componentes de la bodega de datos Tomado de The Data Warehouse Toolkit Second Edition The Complete Guide to Dimensional Modeling. Ralph Kimball, Margy Ross

17 Los mismos componentes pueden verse de diferentes df maneras BD 1 Fuentes Internas Herramientas de consultas e informes Herramientas EIS BD 2 Fuente1 ETL Almacen de Datos Herramientas OLAP Herramientas Minería Fuente2 Fuentes Externas

18 El motor de la bodega de datos maximiza el potencial de los demás componentes de la solución Gartner MQ 2001 Gartner MQ 2007

19 Diversidad de herramientas para Extracción, Trasformación y Carga Suite de herramientas de Teradata Integration Services Microsoft Suite de herramientas de Oracle Data Integrator & Services Suite de herramientas de IBM Pentaho DataIntegration (Softwarelibre)

20 Algunos tips de las herramientas de ETL Rápido acceso a los datos Actualización de la información oportuna Escalabilidad d Capacidades de reinicio Integración con plataformas líderes

21 Diversidad de herramientas para Visualizar la información Gartner 2007 Fuente: Gartner

22 Desarrollo incremental y metodología clara de implementación

23 Definición de preguntas Hacia dónde d se orienta la organización Visión Metas Objetivos Estrategias Factores de Éxito Preguntas de Negocio

24 Se parte del análisis de los requerimientos de la DW Visión Meta 1 Meta. Meta n Objetivo 1 Objetivo. Objetivo n Estrategia 1 Factor de Éxito 1 Activos de Información Factor de Éxito n Estrategia Estratengia n

25 A c t i v i d a d L a b o r a l A c t iv id a d L a b o r a li D A c t iv id a d L a b o r a ld e s c C a u s a l R e t ir o C a u s a l R e t i r o ID C a u s a l R e t i r o D e s c E s t a d o C l i e n t e E s t a d o C li e n t e ID E s t a d o C li e n t e D e s T i p o R e la c i o n T i p o R e l a c io n I D A g e n c i a T i p o R e l a c io n D e s c A g e n c ia ID C l a s e A g e n c ia ID ( F K ) C i u d a d I D ( F K ) C o d i g o A g e n c i a A g e n c ia D e s c F e c h a i n i c i o C la s i fi c a c i o n C o m e r c i a l F e c h a F i n C l a s i f ic a c i o n C o m e r c i a li D C l a s i f ic a c i o n C o m e r c i a ld e s c A l e r t a A l e r t a I D A l e r t a D e s c E m p r e s a E m p r e s a I D ( F K ) Id e n t ific a c io n D ir e c c i o n T e l e f o n o E m p r e s a D e s c P a g i n a W e b C o d i g o E m p r e s a C a lific a c io n ID (F K ) T a m a ñ o I D ( F K ) I n d E m p r e s a R e c o n o c i d a N a t u r a le z a J u r i d i c a I D ( F K ) R a n g o A v i s o s D i r e c t o I D ( F K ) T ip o N o m i n a I D ( F K ) A c t i v id a d E c o n o m ic a I D ( F K ) I n d In d u s t r i a y C o m e r c i o R a n g o S a l a r i o P r o m e d io A d m o n ID ( F K ) R a n g o S a l a r i o P r o m e d io O p I D ( F K ) I n g r e s o E m p le a d o ID ( F K ) R a n g o N u m e r o E m p l e a d o s I D ( F K ) F e c h a I n i c i o F e c h a F i n T ip o R i e s g o I D ( F K ) C a l if i c a c io n E m p r e s a s I D ( F K ) T ip o C o n v e n i o I D ( F K ) T ip o A l i a n z a I D ( F K ) E n t i d a d P r e p a g o s I D ( F K ) E n t i d a d P r e p a g a d I D ( F K ) F u e r z a ID ( F K ) In d C o n ve n io A le rta C lie n te A le r t a I D ( F K ) E s t a d o A s o c i a d o E s t a d o A s o c i a d o I D E s t a d o A s o c i a d o D e s c C l i e n t e C li e n t e ID T i p o C l i e n t e I D ( F K ) In d C l ie n t e N u e v o T i p o R e la c i o n I D ( F K ) In d V e h ic u l o In d P r o p i e d a d R a iz In d C a m a r a C o m e r c i o In d C l ie n t e B u e n o P e rfilr ie s g o ID (F K ) A n t ig u e d a d I D ( F K ) E s t a d o A s o c ia d o I D ( F K ) C la s i fi c a c i o n C o m e r c i a l I D ( F K ) E s t a d o C li e n t e ID ( F K ) C a u s a l R e t ir o I D ( F K ) C a l if i c a c i o n C l i e n t e I D ( F K ) A c t iv i d a d L a b o r a li D ( F K ) T i p o A s o c i a d o I D ( F K ) A g e n c i a I D ( F K ) C a lific a c io n C o n fia rid (F K ) F e c h a I n i c i o F e c h a F i n A le r t a I D ( F K ) E n t id a d I n f o r m a n t e ID ( F K ) E n t id a d F in a n c ie r a ID ( F K ) E m p r e s a ID ( F K ) P e r s o n a I D ( F K ) T i p o L o c a li D ( F K ) T i p o C u e n t a I D ( F K ) B ie n e s ID ( F K ) C la s i fi c a c i o n M e r c a d e o I D ( F K ) E n t id a d F in a n c ie r a E n t i d a d F i n a n c i e r a I D E n t i d a d F i n a n c i e r a D e s c B i e n e s B i e n e s I D B i e n e s D e s c P e r s o n a P e r s o n a I D N u m e ro Id e n t ific a c io n T i p o I d e n t if i c a c io n I D ( F K ) N o m b r e A p e l l i d o e m a i l C a r g o I D ( F K ) D ir e c c i o n C a s a D ir e c c i o n T r a b a j o T e l e f o n o T r a b a j o T e l e f o n o c a s a N u m e r o H i j o s In d C o n y u g u e T r a b a j a F e c h a N a c i m ie n t o P a s a t i e m p o I D ( F K ) T i p o I n g r e s o I D ( F K ) A n t ig u e d a d L a b o r a li D ( F K ) S e x o ID ( F K ) E s t a d o C iv i li D ( F K ) N ive le d u c a tivo ID (F K ) E s t r a t o S o c i a l I D ( F K ) T i p o V i v ie n d a ID ( F K ) M u ltip lic a d o rin g re s o ID (F K ) E s t a d o C li e n t e I D (F K ) T i p o C o n t r a t o ID ( F K ) C iu d a d L a b o r a l ID ( F K ) C iu d a d R e s id e n c ia ID ( F K ) In d C r e d i t o P r o v e e d o r e s P e r s o n a s a C a r g o I D ( F K ) F e c h a I n i c i o F e c h a F i n E m p r e s a ID ( F K ) P r o fe s i o n I D ( F K ) C a l i f ic a c i o n d e C l i e n t e s C a l if i c a c io n C l i e n t e I D C a l if i c a c io n C l i e n t e D e s T i p o C l i e n t e T i p o C l ie n t e I D T i p o C l ie n t e D e s c P e rfilr ie s g o P e r f il R i e s g o I D P e r f il R i e s g o D e s c T i p o A s o c ia d o T ip o A s o c i a d o ID T ip o A S s o c i a d o D e s c A n t i g u e d a d A n t i g u e d a d I D C a li f ic a c i o n C o n fi a r A n t i g u e d a d D e s c C a lific a c io n C o n fia rid C a lific a c io n C o n fia rd e s T i p o C u e n t a T i p o C u e n t a I D T i p o C u e n t a D e s c E n t i d a d In fo rm a n t e E n t i d a d I n f o r m a n t e I D T i p o L o c a l E n t i d a d I n f o r m a n t e D e s c T ip o L o c a l I D T ip o L o c a l D e s c C l a s i f ic a c i ó n M e r c a d e o C l a s if i c a c io n M e r c a d e o ID C l a s if i c a c io n M e r c a d e o D e s c Modelando el negocio se validan los requerimientos y se inicia proceso

26 Llevan el modelo de negocios al modelo dl físico de datos P ersona P ersonaid E m presa N u m e ro Id e n tific a c io n E m presaid (FK ) TipoIdentificacionID (FK ) Nom bre Id e n tific a c io n A pellido Direccion em ail T e l e fo no CargoID (FK) E m presadesc DireccionCasa PaginaW eb DireccionTrabajo CodigoE m presa TelefonoTrabajo CalificacionID (FK) Telefonocasa Tam añoid (FK ) Num erohijos IndE m presareconocida IndConyugueTrabaja NaturalezaJuridicaID (FK) FechaNacim iento RangoA visosdirectoid (FK ) P asatiem poid (FK ) TipoNom inaid (FK ) TipoIngresoID (FK ) A ctividade conom icaid (FK ) A ntiguedadlaboralid (FK ) IndIndustriayCom ercio SexoID (FK) RangoS alariop rom edioa dm onid (FK ) E stadocivilid (FK ) RangoS alariop rom edioo pid (FK ) N ivele duc ativoid (F K ) IngresoE m pleadoid (FK ) E stratos ocialid (FK ) RangoNum eroe m pleadosid (FK ) TipoV iviendaid (FK ) FechaInicio M u ltip lic a d o rin g re s o ID (F K ) FechaFin E stadoclienteid (FK ) TipoRiesgoID (FK ) TipoContratoID (FK ) CalificacionEm presasid (FK) CiudadLaboralID (FK ) Tip oconvenioid ( FK) CiudadResidenciaID (FK ) TipoA lianzaid (FK ) IndCreditoP roveedores E ntidadp repagosid (FK ) P ersonasacargoid (FK ) E ntidadp repagadid (FK ) FechaInicio FuerzaID (FK) FechaFin IndConvenio E m presaid (FK ) P rofesionid (FK ) A ctividadlaboral A ctividadlaboralid CalificaciondeClientes CalificacionClienteID CalificacionClienteDes A ctividadlaboraldesc Cliente ClienteID E s t a d o Client e E stadoclienteid E stadoclientedes Agencia AgenciaID ClaseA genciaid (FK ) CiudadID (FK ) CodigoA gencia A genciadesc Fechainicio FechaFin Alerta AlertaID AlertaDesc CausalRetiro TipoClienteID (FK ) CausalRetiroID IndClienteNuevo TipoRelacionID (FK ) CausalRetiroDesc IndV ehiculo In dp ro p i e d a dra i z IndCam aracom ercio IndClienteB ueno P erfilriesgoid (FK ) TipoRelacion A ntiguedadid (FK ) TipoRelacionID EstadoAsociadoID (FK) ClasificacionCom ercialid (FK ) TipoRelacionDesc E stadoclienteid (FK ) CausalRetiroID (FK) CalificacionClienteID (FK ) A ctividadlaboralid (FK ) TipoA sociadoid (FK ) AgenciaID (FK) CalificacionConfiarID (FK ) ClasificacionCom ercial FechaInicio FechaFin ClasificacionCom ercialid A lertaid (F K ) ClasificacionCom ercialdesc E ntidadinform anteid (FK ) E ntidadfinancieraid (FK ) E m presaid (FK ) P ersonaid ( FK) TipoLocalID (FK ) A lerta Cliente TipoCuentaID (FK ) A lertaid (F K ) B ienesid (FK ) ClasificacionM ercadeoid (FK ) E stadoa sociado B ienes E stadoa sociadoid B ienesid E stadoa sociadodesc B ienesdesc TipoCliente TipoClienteID TipoClienteDesc P erfilriesgo P erfilriesgoid P erfilriesgodesc TipoA sociado TipoA sociadoid TipoA S sociadodesc A ntiguedad A ntiguedadid CalificacionConfiar A ntiguedaddesc CalificacionConfiarID CalificacionConfiarDes TipoCuenta TipoCuentaID TipoCuentaDesc E ntidadinform ante E ntidadinform anteid TipoLocal E ntidadinform antedesc TipoLocalID TipoLocalDesc ClasificaciónM ercadeo ClasificacionM ercadeoid ClasificacionM ercadeodesc E ntidadfinanciera E ntidadfinancieraid E ntidadfinancieradesc

27 Se hace necesario identificar cuáles datos pueden llevarse al DW En dónde se encuentran los datos? Bases de datos internas Bases de datos Externas Cuáles son las transformaciones necesarias para llevar los datos? Cómo se encuentran los datos? Limpieza (data cleansing) Criba (selección) de datos Volúmen de datos

28 A partir del modelo físico se especifican los procesos Extracción. Tomando los datos de las fuentes Transformación. Ajustes a los datos para que sean definidos según el modelo físico Carga. Carga de datos en el DW LIMPIEZA DE DATOS

29 Las consultas son definidas y especificadas técnicamente Definición de consultas predefinidas df d a nivel de dimensiones y métricas Cubos o Disponibilidad de dt datos para generación de consultas ad hod Definición de consultas estáticas como complemento en implementación mixta Minería de datos Qué paso? Por qué Paso? Qué pasará? Cómo hago que pase? IMPLEMENTACION DE CONSULTAS EXITOSAS

30 Las pruebas minimizan los riesgos Como cualquier solución la implementación de una bodega de datos debe ser probada La calidad de los datos es vital para una buena implementación Una bodega de datos debe ser confiable La información almacenada en la bodega de datos debe ser relevante La disponibilidad de los datos en la bodega de datos debe estar acorde a los lineamientos de la organización Se debe garantizar que la integración de los datos es precisa y completa Los recursos necesarios para el uso de la bodega de datos son claves para el éxito del proceso La información debe estar disponible según el plan definido Los procesos de extracción, transformación y carga deben ser probados

31 Debemos partir de la historia Cargas históricas. El proceso de cargar la información histórica es uno de los pilares del inicio de la bodega de datos

32 El proceso apenas inicia Tiene sentido tener una bodega de datos sin actualizar? Qué tan frecuente se debe actualizar? Se deben actualizar los datos o se deben reemplazar?

33 Cómo ha sido el avance de DW? Miles de organizaciones alrededor del mundo hoy tienen la fortuna de tomar sus decisiones basados en el conocimiento a partir de la implementación de sus bodegas de datos En Colombia, desde grandes hasta pequeñas empresas están obteniendo los mejores resultados después de haber implementado su bodega de datos

34 Preguntas

09/01/2009. Diseño e implementación de Datawarehouse con Analysis Services Universidad de Guadalajara. Mario Octavio II Muñoz Camacho

09/01/2009. Diseño e implementación de Datawarehouse con Analysis Services Universidad de Guadalajara. Mario Octavio II Muñoz Camacho 09/01/2009 Diseño e implementación de Datawarehouse con Analysis Services Universidad de Guadalajara Mario Octavio II Muñoz Camacho Diseño e implementación de Datawarehouse con Analysis Services Objetivo.

Más detalles

Inteligencia de Negocios. Por José Luis Martí USM

Inteligencia de Negocios. Por José Luis Martí USM Inteligencia de Negocios Por José Luis Martí USM Problema Inicial Cuáles fueron los volúmenes de venta, por región y por categoría de producto, en el último año?. Qué tipos de órdenes se debieran favorecer

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

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

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

Business Intelligence

Business Intelligence 2012 Business Intelligence Agenda Programas Diferencias de OLTP vs OLAP Arquitectura de una solución de BI Tecnologías Microsoft para BI Diferencias entre OLTP v/s OLAP Alineación de Datos OLTP Datos organizados

Más detalles

Boletín Impositvo Mayo 2011

Boletín Impositvo Mayo 2011 J u ris d ic ció n N a c io n a l-a F IP - R e s o lu c ió n G e n e ra l N º 3 0 9 4 -Im p u e s to a la s g a n a n c ia s. A n tic ip o s im p u ta b le s a l p e río d o fis c a l 2 0 1 1.M o d ific

Más detalles

Almacén de datos - concepto. Arquitectura de un sistema de almacén de datos

Almacén de datos - concepto. Arquitectura de un sistema de almacén de datos Almacén de datos - concepto Almacén de datos (Bodega de Datos, Data warehouse) es una integrada colección de datos que contiene datos procedentes de sistemas del planeamiento del recurso de la empresa

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

MANUAL DE FUNCIONES Y COMPETENCIAS. COMO?

MANUAL DE FUNCIONES Y COMPETENCIAS. COMO? MANUAL DE FUNCIONES Y COMPETENCIAS. QUE ES? Herramienta que indica el papel de cada cargo dentro de la organización a través de las funciones que le son propias. COMO? Con información explicitaordenada

Más detalles

La Inteligencia de Negocios: Etapas del proceso

La Inteligencia de Negocios: Etapas del proceso Resumen La Inteligencia de Negocios: Etapas del proceso La explotación y el aprovechamiento del conocimiento generado en las organizaciones se convierten en la ventaja competitiva, factor diferenciador

Más detalles

Guía promocional de tarifas

Guía promocional de tarifas Guía promocional de tarifas P a q u e te s E s p e c ia les P a q u e te D e s c r ip c ión T a r if a p o r p a q u e t e 1 Ocu la r E x p r e s s A p e r tu r a d e l c o n ten e d o r p o r I P M s

Más detalles

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

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

Más detalles

Inteligencia de Negocios. Cecilia Ruz

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

Más detalles

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

Globus Toolkit 4 8 4

Globus Toolkit 4 8 4 GlobusToolkit 4 84 OGSA Open Grid Services Architecture (OGSA) D e s a rro lla d a p o r T h e G lo b a l G rid F o ru m. D e fin e u n a a rq u ite c tu ra a b ie rta y e s tá n d a r p a ra e l d e s

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

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

Diseño de un Datawarehouse, para análisis de información en ciencia y tecnología, en el estado de Baja California, México.

Diseño de un Datawarehouse, para análisis de información en ciencia y tecnología, en el estado de Baja California, México. Diseño de un Datawarehouse, para análisis de información en ciencia y tecnología, en el estado de Baja California, México. Dra. Margarita Ramírez Ramírez Facultad de Contaduría y Administración, Universidad

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

Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008

Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008 Oracle vs Oracle por Rodolfo Yglesias Setiembre 2008 Introducción Aunque la estrategia de adquisiciones que Oracle ha seguido en los últimos años siempre ha buscado complementar y fortalecer nuestra oferta

Más detalles

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

v.1.0 Clase 1 Docente: Gustavo Valencia Zapata

v.1.0 Clase 1 Docente: Gustavo Valencia Zapata v.1.0 Clase 1 Docente: Gustavo Valencia Zapata Temas Clase 1: Introducción a la Inteligencia de Negocios Hitos y personajes Arquitectura de BI Evolución de la Información Inteligencia de Negocios (BI)

Más detalles

I N F O R M E S O B R E V E R I F I C A C I O N D E L V A L O R D E C L A R A D O N 1 1 8-3 D 1 3 1 0-2014- 000122- S U N A T

I N F O R M E S O B R E V E R I F I C A C I O N D E L V A L O R D E C L A R A D O N 1 1 8-3 D 1 3 1 0-2014- 000122- S U N A T S U P E R I N T E N D E N C I A N A C I O N A L D E A D M I N I S T R A C I Ó N T R I B U T A R I A I N T E N D E N C I A D E L A A D U A N A M A R Í T I M A D E L C A L L A O A v e n i d a G u a r d i

Más detalles

LOS RECURSOS NATURALES EN EL DESARROLLO ECONOMICO

LOS RECURSOS NATURALES EN EL DESARROLLO ECONOMICO LOS RECURSOS NATURALES EN EL DESARROLLO ECONOMICO E d i t o r i a l U n i v e r s i t a r i a, S. A., 1 9 7 0 In s c r i p c i ó n N 3 8. 5 3 5 D e r e c h o s e x c lu s iv o s r e s e r v a d o s p a

Más detalles

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

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

Más detalles

UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS COORDINACIÓN DE EXTENSIÓN

UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS COORDINACIÓN DE EXTENSIÓN UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS COORDINACIÓN DE EXTENSIÓN PROPUESTA PARA INTRODUCIR CURSOS DE EXTENSIÓN, DIPLOMADOS, SERVICIOS Y ACTUALIZACIONES TÉCNICAS Y PROFESIONALES Nombre (s)

Más detalles

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

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

Más detalles

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

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

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

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

Más detalles

P R O G R A M A D E G O B I E R N O 2012-2015. C o n g e s t i n, s e g u r i d a d y t r a b a j o

P R O G R A M A D E G O B I E R N O 2012-2015. C o n g e s t i n, s e g u r i d a d y t r a b a j o P R O G R A M A D E G O B I E R N O 2012-2015 C o n g e s t i n, s e g u r id a d y t r a b a jo 1 W I L M A N H A R R Y M A R ح N C A S T A ر O H O J A D E V I D A N a c ي e l 1 7 de S e p t ie m b r

Más detalles

Tecnologías de Información y Comunicación II.

Tecnologías de Información y Comunicación II. INGENIERÍA EN INFORMÁTICA Tecnologías de Información y Comunicación II. INFORME: ETL y Modelo Estrella. NOMBRE : Ruben Chura, Andony Pavez. CARRERA : Ingeniería en Informática. ASIGNATURA : Tecnologías

Más detalles

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

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

Más detalles

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

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

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

Más detalles

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

Sesión 8: Inteligencia de Negocios (Business Intelligence)

Sesión 8: Inteligencia de Negocios (Business Intelligence) Universidad Cesar Vallejo Escuela Profesional de Ingeniería de Sistemas Curso de Fundamentos de TI Sesión 8: Inteligencia de Negocios (Business Intelligence) Ing. Ivan Crispin Sanchez 1 Agenda 1. Introducción

Más detalles

Modelado dimensional de datos

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

Más detalles

TITULO DEL PROYECTO INTEGRANTE 1 INTEGRANTE 2

TITULO DEL PROYECTO INTEGRANTE 1 INTEGRANTE 2 TITULO DEL PROYECTO INTEGRANTE 1 INTEGRANTE 2 FUNDACION UNIVERSITARIA INPAHU INGENIERIA DE SOFTWARE BOGOTÁ, D.C. 2013 TABLA DE CONTENIDO APLICACIÓN INTELIGENCIA DE NEGOCIOS AL XXXXXXXX... 4 JUSTIFICACIÓN

Más detalles

Beneficios de Big Data con analítica

Beneficios de Big Data con analítica Beneficios de Big Data con analítica Edward Roske, CEO Oracle ACE Director info@interrel.com BLOG: LookSmarter.blogspot.com WEBSITE: www.interrel.com TWITTER: Eroske Sobre interrel Ganador del Premio Oracle

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

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

Mejores Prácticas de Control y Auditoría SOCIO BDO ARGENTINA PRESIDENTE DE LA ASOCIACIÓN ARGENTINA DE ÉTICA Y COMPLIANCE

Mejores Prácticas de Control y Auditoría SOCIO BDO ARGENTINA PRESIDENTE DE LA ASOCIACIÓN ARGENTINA DE ÉTICA Y COMPLIANCE Mejores Prácticas de Control y Auditoría Introducción a la Auditoría Online Primeros pasos para su Implementación Carlos Fernando Rozen Carlos Fernando Rozen SOCIO BDO ARGENTINA PRESIDENTE DE LA ASOCIACIÓN

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

Sistema de análisis de información. Resumen de metodología técnica

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

Más detalles

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

La integración de información. Presente y futuro de la empresa moderna

La integración de información. Presente y futuro de la empresa moderna La integración de información. Presente y futuro de la empresa moderna Ing. Josue Carralero Iznaga, MSc. ISPJAE, Facultad de Ingeniería Informática, Departamento de Ingeniería de Software. Complejo de

Más detalles

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

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

Más detalles

Cuadrante Mágico de Gartner para BI 2013 vs. 2014

Cuadrante Mágico de Gartner para BI 2013 vs. 2014 Cuadrante Mágico de Gartner para BI 2013 vs. 2014 Challengers Leaders Challengers Leaders Niche Players Visionaries Niche Players Visionaries Cuadrante Mágico de Gartner SGBD y Sistemas de Data WareHouse

Más 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

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

Inteligencia de Negocios

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

Más detalles

Data Warehouse Marco de Calidad

Data Warehouse Marco de Calidad Data Warehouse Marco de Calidad Autor: Pablo Martín Gutiérrez Tutor: Antonio García Carmona Defensa del Proyecto de Final de Carrera Índice Introducción. Objetivos del PFC. Fundamentos Business Intelligence

Más detalles

Pero que es el Data Mining? Como esta tecnología puede resolver los problemas diarios de las organizaciones? Cuál es el ciclo de vida de un DM?

Pero que es el Data Mining? Como esta tecnología puede resolver los problemas diarios de las organizaciones? Cuál es el ciclo de vida de un DM? Introducción En vista de los comentarios y sugerencias que nos hicieron, via mail y por chat, sobre la posibilidad de la creación de nuevo conocimiento, he creido conveniente introducir el tema Data Mining

Más detalles

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

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

Más detalles

Unidad III Modelamiento Multidimencional. Tecnología DATAWAREHOUSE

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

Más detalles

REPOSITORIO COR O P R OR O A R T A I T VO V

REPOSITORIO COR O P R OR O A R T A I T VO V REPOSITORIO CORPORATIVO Repositorio Corporativo Que es? Antecedentes? Por que lo necesito? Multiplicidad de sistemas Retraso en obtención de reportes Info 3 Info 2 Info 1 Redundancia Inconsistencia de

Más detalles

Informática II Ing. Industrial. Data Warehouse. Data Mining

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

Más detalles

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

La metodología de Kimball para el diseño de almacenes de datos (Data warehouses)

La metodología de Kimball para el diseño de almacenes de datos (Data warehouses) Rivadera: La Metodología de Kimball para el Diseño de almacenes La metodología de Kimball para el diseño de almacenes de datos (Data warehouses) Gustavo R. Rivadera * grivadera@ucasal.net Resumen Los almacenes

Más detalles

Título: Data Mart de Gestión Económico - Financiera de la Empresa de Proyectos de Arquitectura e Ingeniería (EMPAI).

Título: Data Mart de Gestión Económico - Financiera de la Empresa de Proyectos de Arquitectura e Ingeniería (EMPAI). Título: Data Mart de Gestión Económico - Financiera de la Empresa de Proyectos de Arquitectura e Ingeniería (EMPAI). Autoras: Ing. Gisel González Hidalgo-Gato. MSc Emma Rizo Rizo. Introducción La EMPAI,

Más detalles

ÍNDICE IN TR O D U C C IÓ N... 1

ÍNDICE IN TR O D U C C IÓ N... 1 ÍNDICE IN TR O D U C C IÓ N... 1 CAPÍTULO I - La controversia em pleado-patrono vs. contratista in d ep en d ien te... 7 La controversia sobre quién realm ente es el patrono de un em pleado... 33 Ejemplo

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

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA T E S I S. QUE PARA OBTENER EL TÍTULO DE: Ingeniero en Computación P R E S E N T A :

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA T E S I S. QUE PARA OBTENER EL TÍTULO DE: Ingeniero en Computación P R E S E N T A : UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA Sistema de consulta basado en inteligencia de negocios para el análisis de la información derivada de la evaluación al desempeño de los profesores

Más detalles

Instructivo del Llenado de Formularios de Registro Primario de Evaluación Nutricional con Perímetro Braquial

Instructivo del Llenado de Formularios de Registro Primario de Evaluación Nutricional con Perímetro Braquial Instructivo del Llenado de ormularios de Registro Primario de Evaluación Nutricional con Perímetro Braquial Sistema de Información Gerencial de Salud SIGSA Guatemala, ayo 2012 Instructivo del Llenado de

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

Mercado de datos para la dirección de cuadros de la Administración Provincial de Artemisa

Mercado de datos para la dirección de cuadros de la Administración Provincial de Artemisa Tipo de artículo: Artículo original Temática: Tecnologías de bases de datos Recibido: 7/01/2013 Aceptado: 1/03/2013 Mercado de datos para la dirección de cuadros de la Administración Provincial de Artemisa

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

GUIA METODOLOGÍCA PARA LA IMPLEMENTACIÓN DE BODEGA DE DATOS CORPORATIVA Y SOLUCIONES DE INTELIGENCIA DE NEGOCIOS

GUIA METODOLOGÍCA PARA LA IMPLEMENTACIÓN DE BODEGA DE DATOS CORPORATIVA Y SOLUCIONES DE INTELIGENCIA DE NEGOCIOS BODEGA DE DATOS CORPORATIVA Y SOLUCIONES DE Oficina de Informática Departamento Nacional de Planeación Bogotá, 2013 TABLA DE CONTENIDO PÁGINA: 2 de 35 VERSIÓN: 0 1 OBJETIVO... 3 2 ALCANCE... 3 3 REFERENCIAS

Más detalles

Informe de pruebas. En la siguiente tabla se especifican los casos de pruebas realizados al sistema y el resultado de éstas.

Informe de pruebas. En la siguiente tabla se especifican los casos de pruebas realizados al sistema y el resultado de éstas. Informe de pruebas Los tipos de pruebas aplicadas se muestran a continuación. Pruebas del ETL Para el ETL se realizaron las pruebas de la siguiente manera: Prueba Descripción Unitarias Para cada módulo

Más detalles

MANUAL DE PROCEDIMIENTOS PARA EL PAGO DE HORAS EXTRAORDINARIAS

MANUAL DE PROCEDIMIENTOS PARA EL PAGO DE HORAS EXTRAORDINARIAS PARA EL PAGO DE HORAS EXTRAORDINARIAS O C T U B R E 2009 1 Í N D I C E Página I.- Introducción 3 II.- Marco Jurídico 4 III.- Políticas y Lineamientos 6 IV.- Descripción del Procedimiento 10 V.- Diagrama

Más detalles

Sistema para apoyar la toma de decisiones en la dirección de Investigación y Postgrado.

Sistema para apoyar la toma de decisiones en la dirección de Investigación y Postgrado. Sistema para apoyar la toma de decisiones en la dirección de Investigación y Postgrado. System to support decision-making in the direction of Research and Graduate Studies Yaicel Diaz Cordova Universidad

Más detalles

Desafíos de gestionar proyectos de analítica de negocios

Desafíos de gestionar proyectos de analítica de negocios Desafíos de gestionar proyectos de analítica de negocios Desafíos de gestionar proyectos de analítica de negocios Tipología de proyectos BA Complejidad de proyectos BA Proyectos BA versus tradicionales

Más detalles

Universidad Nacional del Sur

Universidad Nacional del Sur Universidad Nacional del Sur Departamento de Ciencias e Ingeniería de la Computación Tesis de Licenciatura en Ciencias de la Computación Data Warehousing. Relevamiento y aplicación de técnicas de modelado

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

Cenfotec ofrece talleres de preparación para la certificación internacional de Microsoft SQL Server

Cenfotec ofrece talleres de preparación para la certificación internacional de Microsoft SQL Server Cenfotec ofrece talleres de preparación para la certificación internacional de Microsoft SQL Server Sobre el Profesor Master en Tecnologías de Bases de Datos (Administración de Bases de Datos e Inteligencia

Más detalles

DATAMART PASO A PASO WWW.RUEDATECNOLOGICA.COM

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

Más detalles

SQL SERVER 2008 R2 BI 07/07/2010 BUSINESS INTELLIGENCE

SQL SERVER 2008 R2 BI 07/07/2010 BUSINESS INTELLIGENCE Todo en la vida comienza con código VII Encuentro Desarrolladores Microsoft BUSINESS INTELLIGENCE Ana María Bisbé York Servicios Profesionales VII Encuentro Desarrolladores Microsoft Todo en la vida comienza

Más detalles

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

El diseño de la base de datos de un Data Warehouse. Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias El diseño de la base de datos de un Data Warehouse Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias El modelo Multidimensional Principios básicos Marta Millan millan@eisc.univalle.edu.co

Más detalles

Servicio Business Intellingence integrado con Data Management & Big Data Del dato al conocimiento

Servicio Business Intellingence integrado con Data Management & Big Data Del dato al conocimiento Servicio Business Intellingence integrado con & Big Del dato al conocimiento Servicio BI integral: Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento,

Más detalles

Pentaho BI. Lic. Patricia Palacios Zuleta

Pentaho BI. Lic. Patricia Palacios Zuleta Pentaho BI. Lic. Patricia Palacios Zuleta Conociendo el pentaho Conociendo el pentaho 1. Barra de Menus: Estas localizada en la parte alta de la ventana, donde se puede ver alguno standares de menus como

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

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

Soluciones de Business Intelligence para su empresa

Soluciones de Business Intelligence para su empresa Soluciones de Business Intelligence para su empresa Sinnexus - Business Intelligence + Informática estratégica Página 2 Sinnexus es una empresa de nuevas tecnologías, cuya principal fuerza impulsora es

Más detalles

ARQUEOS 3. APROBACIÓN, IMPLANTACIÓN, DIVULGACIÓN Y ACTUALIZACIÓN

ARQUEOS 3. APROBACIÓN, IMPLANTACIÓN, DIVULGACIÓN Y ACTUALIZACIÓN PROCEDIMIENTO EGASA N o 001 REVISIÓN 1 ARQUEOS 1. OBJETIVO La presente normatividad tiene por objetivo establecer el procedimiento que permita la realización de arqueos a los fondos, valores y documentos

Más detalles

Sistemas de Datos. Data warehouse y Business Intelligence

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

Más detalles

DESARROLLO DE UNA APLICACIÓN DE BUSINESS INTELLIGENCE (BI) PARA LA EMPRESA EMPAQPLAST

DESARROLLO DE UNA APLICACIÓN DE BUSINESS INTELLIGENCE (BI) PARA LA EMPRESA EMPAQPLAST DESARROLLO DE UNA APLICACIÓN DE BUSINESS INTELLIGENCE (BI) PARA LA EMPRESA EMPAQPLAST Byron Alejandro Boada Vargas-Machuca, Alvaro Arturo Tituaña Burgos, Ing. Lorena Duque, Ing. Patricio Reyes. RESUMEN

Más detalles

SAP BusinessObjects Edge BI Standard Package La solución de BI preferida para. Empresas en Crecimiento

SAP BusinessObjects Edge BI Standard Package La solución de BI preferida para. Empresas en Crecimiento SAP BusinessObjects Edge BI Standard Package La solución de BI preferida para Empresas en Crecimiento Portfolio SAP BusinessObjects Soluciones SAP para Empresas en Crecimiento Resumen Ejecutivo Inteligencia

Más detalles

XIV COLOQUIO INTERNACIONAL SOBRE GESTION UNIVERSITARIA La gestión del conocimiento y los nuevos modelos de Universidades

XIV COLOQUIO INTERNACIONAL SOBRE GESTION UNIVERSITARIA La gestión del conocimiento y los nuevos modelos de Universidades XIV COLOQUIO INTERNACIONAL SOBRE GESTION UNIVERSITARIA La gestión del conocimiento y los nuevos modelos de Universidades Florianópolis, 3 al 5 de Diciembre de 2014 CIGU2014 AREA TEMATICA 9 SISTEMAS DE

Más detalles

1.La Tecnología Datawarehousing. 1.1 Fundamento.

1.La Tecnología Datawarehousing. 1.1 Fundamento. 1.La Tecnología Datawarehousing 1.1 Fundamento. Los sistemas de Data Warehousing son el centro de la arquitectura de los Sistemas de Información de los 90's. Han surgido como respuesta a la problemática

Más detalles

LA CUARTA RAZÓN DE SER

LA CUARTA RAZÓN DE SER Resolución 1 LA CUARTA RAZÓN DE SER CONSIDERANDO QUE, E l C o n c ilio G e n e ra l e n su re u n ió n d e a g o sto d e 2 0 0 5 e n D e n v e r C o lo ra d o, e n m e n d ó la C o n stitu c ió n, A rtíc

Más detalles

Fundamentos de la Inteligencia de Negocios

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

Más detalles

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

IMPLEMENTACIÓN DE UN DATAWAREHOUSE PARA EL INSTITUTO GEOGRÁFICO MILITAR

IMPLEMENTACIÓN DE UN DATAWAREHOUSE PARA EL INSTITUTO GEOGRÁFICO MILITAR ESCUELA POLITÉCNICA DEL EJÉRCITO DPTO. DE CIENCIAS DE LA COMPUTACIÓN CARRERA DE INGENIERÍA EN SISTEMAS E INFORMÁTICA IMPLEMENTACIÓN DE UN DATAWAREHOUSE PARA EL INSTITUTO GEOGRÁFICO MILITAR Previa a la

Más detalles

ANEXO C Documento de Extracción. 1. Objetivo. 2. Alcance. 3. Arquitectura de la Extracción

ANEXO C Documento de Extracción. 1. Objetivo. 2. Alcance. 3. Arquitectura de la Extracción ANEXO C Documento de Extracción 1. Objetivo El objetivo del documento de extracción es presentar aquellas características que se mencionan de manera general en el documento de tesis. Aquí se enfoca directamente

Más detalles

Esteban Molnar-CV. Educación. Experiencia laboral. Experiencia académica

Esteban Molnar-CV. Educación. Experiencia laboral. Experiencia académica www.datalytics.com Noviembre 2010 Esteban Molnar-CV Educación Masterin Business Administration, Universityof Denver, Colorado, USA Masterof City and Regional Planning, CornellUniversity, NY, USA Ingeniero

Más detalles

Taller para desarrolladores

Taller para desarrolladores Taller para desarrolladores III Jornadas gvsig Francisco José Peñarrubia fpenarru@gmail.com Victor Olaya volaya@unex.es César Martínez Izquierdo volaya@unex.es Indice Introducción Arquitectura interna

Más detalles

Copyright 2010 EMC Corporation. All rights reserved.

Copyright 2010 EMC Corporation. All rights reserved. 1 GreenPlum El Futuro y el Presente del Data WareHouse 2 Retos en los Data Warehouse actuales Tanto las fuentes de los datos como la cantidad de información a analizar crece exponencialmente Existe información

Más detalles