Cuadrante Mágico de Gartner para BI 2013 vs. 2014

Transcripción

1 Cuadrante Mágico de Gartner para BI 2013 vs Challengers Leaders Challengers Leaders Niche Players Visionaries Niche Players Visionaries

2 Cuadrante Mágico de Gartner SGBD y Sistemas de Data WareHouse Challengers Leaders Challengers Leaders Niche Players Visionaries Niche Players Visionaries OLTP Data WareHouse

3 Cuadrante Mágico de Gartner Integración de datos y Minería de Datos Challengers Leaders Challengers Leaders Niche Players Visionaries Niche Players Visionaries Data Integration Tools Advances Analytics Platforms

4 Almacenes de Datos Herramientas ETL Isis Bonet Cruz, PhD

5 Data Storage [Source: Khan, R. A.; Quadri, S. M. K. (2012). Business Intelligence: an integrated approach. In: Business Intelligence Journal - January, 2012 Vol.5 No.1, p. 66.]

6 Integración de los datos ETL ETL = Extract Transform- Load (Extracción, Transformación y Carga de datos) [Source: Withee, K. (2010). Microsoft Business Intelligence For Dummies, p. 78. Wiley & Sons Inc. ISBN:

7 Extracción de datos Definir las fuentes OLTP donde están mis datos. Extraer los datos que serán copiados

8 Transformación de los datos Se ejecutan las limpiezas y transformaciones necesarias para llevar los datos al formato requerido

9 Carga de datos Se cargan los datos para ser almacenados en el almacén de datos o datamart

10 Almacenamiento de datos Almacén de datos (Data Warehouse, DWH) Repositorio electrónico de datos históricos de una orgación. Aunque es una base relacional, no participa en las operaciones diarias de la orgacización, pues su objetivo no es el manejo de transacciones sino servir como fuente para la Inteligencia de Negocios. 10

11 Data Mart Almacenamiento de datos Es un Almacén de datos más pequeño y especializado. Mientras un almacén de datos almacena datos de una organización completa, un datamart está enfocado a un área, departamento o división específica dentro de la organización. 11

12 Diseños de DataMarts o DWH Son bases de datos relaciones pero requieren menos relaciones entre las tablas. Surgen nuevos conceptos: Hechos, Dimensiones, Jerarquías. Se aceptan datos repetidos por velocidad El objetivo es la creación de información rápida y de fácil acceso Los diseños más utilizados son : Estrella Copo de nieve

13 Hechos o Medidas Esta es la base de todo lo que se va a hacer en BI. Son cantidades numéricas que expresan algún desempeño de la organización. Esta información sirve para apoyar o evaluar la toma de decisiones. Las tablas que contienen esta información se denominan: Tablas de Hechos (Fact Table). Total de Ventas $

14 Dimensiones Es una clasificación utilizada para extender una medida agregada, de forma que permita mostrar sus componentes Total de Ventas $ Medida Dimensión Total de Ventas por Año $ $ $ $ $

15 Esquema estrella Es un esquema de base de datos relacional usado para almacenar medidas y dimensiones. Las medidas son almacenadas en Tablas de Hechos Las dimensiones son almacenas en Tablas de Dimensiones

16 Esquema estrella La Tabla de Hechos se pone en el centro de la estrella y tiene todos los atributos llaves de las Tablas de Dimensiones y las medidas. Las Tablas de Dimensiones tienen la llave que caracteriza a la dimensión y miembros de la misma que generalmente son atributos para describir la dimensión.

17 Ejemplo Esquema Estrella

18 Jerarquías Es una estructura que contiene dos o más dimensiones relacionadas. Se representa como atributos de la tabla dimensión. La llave primaria de la tabla dimensión es la menor jerarquía.

19

20 Esquema Copo de Nieve La diferencia consiste en la representación de las jerarquías. Las jerarquías se representan en tablas separadas y no como atributos de la misma tabla. La tabla hechos tiene como llaves extranjeras las llaves de las tablas de dimensiones de menor jerarquía.

21

22 Unified Dimensional Model Es una estructura que provee SQL Server y que está soportada sobre los principios de un datamart. Una de las ventajas es que no necesita ser desarrollado sobre un datamart, sino que puede desarrollarse de diferentes sistemas de datos OLTP. Pueden mezclarse datamarts y sistemas OLTP

23 Por qué DW o datamarts? Cuando los datos no están todos en una base de datos con conexión OLE DB Falta de conexión física Necesidad de limpiar los datos

24 Cómo se crea un DW o datamart? Igual que una base de datos, pero con el diseño estrella o copo de nieve que se haya hecho. Para llenar los datos de estas tablas se puede auxiliar de Integration Services.

25 Integration Services

26

27

28 Fuentes de Entrada

29 Transformaciones

30 Datos de Destino

31 Ejemplo donde vamos a llevar datos de una tabla en una base de Datos (Venta) a una tabla de un DataMart (MyDMart) Se selecciona el componente: Data Flow Task

32 Configuramos el Flujo de los datos (Data Flow) el origen se configura dando doble click sobre él el destino se configura dando doble click sobre él

33 Configurando el origen: de dónde vienen los datos Se escoge el origen

34 Configurando el origen: de dónde vienen los datos Si ya está se selecciona, sino Se crea la conexión

35 Configurando el origen: de dónde vienen los datos Se selecciona la tabla o vista donde están los datos

36 Se enlaza el origen con el destino

37 Configurando el destino De la misma manera que en origen se selecciona la base de destino Se selecciona la tabla donde se copiarán los datos

38 Se enlazan los campos relacionados de cada tabla

39 Se ejecuta el paquete para importar los datos

40