Instituto de Computación - Facultad de Ingeniería Marzo 2017
|
|
- Juan Luis Muñoz Aranda
- hace 7 años
- Vistas:
Transcripción
1 Diseño y Construcción de Data Warehouse Instituto de Computación - Facultad de Ingeniería Marzo 2017 Temario General Introducción a los Sistemas de Data Warehouse Diseño Conceptual Diseño Lógico Proceso de Carga y Actualización Calidad de Datos Herramientas de análisis Conclusiones y perspectivas 2
2 Introducción (continuación) 3 Arquitectura típica de los SDW [Malinowski 2008]
3 Arquitectura típica de los SDW Capa back-end Extracción, transformacion y carga Capa Data Warehouse DW Corporativo (Enterprise DW) Data Marts Metadata Capa OLAP Datos multidimensionales provenientes del DW Servidor OLAP: ROLAP, MOLAP o HOLAP Capa front-end Herramientas clientes que permiten a los usuarios explotar los contenidos del DW Propiedades de los Sist. DW Un Sistema de DW debería : Mantener una relación adecuada con BD Fuentes: Acceso a BDs heterogéneas y multiplataforma. Independiente de los Sistemas de Producción. Permitir acceso efectivo a usuarios finales: Soportar múltiples tipos de usuarios. Ofrecer Interfaces a usuario avanzadas. Funcionar en arquitecturas de varios niveles. 6
4 Acceso a BD Fuentes heterogéneas BD Fuentes heterogéneas: Diferentes modelos de datos: Relacional. Archivos legados (legacy) Geográficos Datos semi-estructurados (ej., XML) y no estructurados (ej., documentos) Fuentes externas de datos (ej.: datos de la Web, cotizaciones bolsa, indicadores socio-económicos) Diferente semántica: Por ej. Claves diferentes para los mismos objetos Igual nombre para objetos distintos 7 Independencia de Sist. de Producción Relaciones SDW y Sist. Producción: Coordinación: El DW se alimenta a partir de datos de Sists. Producción Independencia: Razones de performance: Un SDW "pesado" no debe acceder on-line a BD-Prod Recargaria el Sist. Prod La performance de los dos se degradaría Razones de independencia lógica Los SDW suelen ver los datos de producción con una perspectiva histórica No siempre es deseable una coordinación fuerte 8
5 Soportar múltiples tipos de usuarios Diferentes niveles jerárquicos: Directivos Gerentes de área Mandos técnicos Diferentes funciones: Planificación Control Análisis 9 Interfaces de usuario avanzadas Interfaces de usuario especializadas. Por qué? Optimizar el tiempo del usuario Principio: A cada tipo de usuario o aplicación se le ofrece la interfaz más adecuada. 10
6 Arquitecturas en varios niveles Ejemplos de Arquitecturas de SDW: Análisis de Información Análisis de Información Análisis de Información Análisis de Información (html) Intranet/Internet Servidor WEB DW DW DW 11 Desarrollo de Sistemas DW Fases: Especificación de Requerimientos Diseño Conceptual Diseño Lógico Diseño Físico e Implementación Componentes a desarrollar: Adquisición de datos Almacenamiento del DW Mecanismos de acceso por parte de usuarios
7 Proceso de Desarrollo R e q u e r i m i e n t o s Diseño Conceptual esq. conceptual multidimensional diseño concep. Diseño Lógico esq. lóg. MD refinamiento esq. lóg. DW esq. lóg. DW Implementación Data Marts MD carga DW Relacional ER integrado mapping BDs fuente integradas integración BDs fuente carga Factores de éxito Un proyecto DW se considera exitoso si: Integra información heterogénea. De diferentes tipos De diferentes orígenes Hace visible y manejable la información útil Incluye datos de calidad validada Ofrece acceso directo a usuarios El sistema se populariza 14
8 Errores a evitar Se debe evitar: Establecer expectativas demasiados altas Cargar el DW con todo lo disponible Elegir un DW manager sin orientación al negocio Diseñar el DW igual que un sistema de producción Ignorar fuentes de datos externas Ignorar la evolutividad del sistema 15 Beneficios esperables Se obtiene: Acceso interactivo e inmediato a información estratégica de un área de negocios Permite toma de decisiones basadas en datos objetivos Los beneficios aumentan : cuanto más importantes son las decisiones cuanto más crítico es el factor tiempo Capitalización de datos en bases heterogéneas: Archivos, dbf, etc. 16
9 Características Técnicas Características Técnicas Temas: Herramientas Front-End Repositorios de Datos Carga y Actualización Administración del DW Diseño de DW 17 Arquitectura Funciones de Metadata Herramientas Front-End Repositorios de datos Herramientas de Integración y Limpieza Herramientas de Acceso a BDs Repositorio - Históricos - BD Externas BDs Fuente Sistemas de Producción 18
10 Herramientas Front-End Funciones de Metadata Herramientas Front-End Repositorios de datos Herramientas de Integración y Limpieza Herramientas de Acceso a BDs Repositorio - Históricos - BD Externas BDs Fuente Sistemas de Producción 19 Herramientas Front-End Introducción: Son herramientas usadas por el usuario para acceder a la información. Objetivos: Ofrecer al usuario final mecanismos de acceso eficaces. Mecanismos simples. Mecanismos potentes. Tener conexión eficaz al DW. 20
11 Herramientas Front-End Diferentes tipos: Planillas Electrónicas Herramientas de consulta y reportes Herramientas OLAP Herramientas de Dashboard Herramientas de Data Mining 21 Planillas Electrónicas Funcionalidades base: Estructuración de datos y operaciones cercanas a la visión del usuario. Conocidas por los usuarios en general. Bien integradas con procesadores de texto y otras herramientas de escritorio. Proveen variedad de funciones y operaciones. Ejemplo: Excel 22
12 Planillas Electrónicas (II) 23 Herramientas Consultas y Reportes Funcionalidades base: Construir fácilmente consultas/reportes complejos. Muy buenos para construir reportes no previstos. Incorporan lenguajes para manejo de datos. Ofrecen diferentes niveles de complejidad orientada a diferentes tipos de usuario: Construcción de reporte complejo desde cero. Construcción de reporte en base a templates. Ejecución parametrizada de reportes. Ejecución fija de reporte. 24
13 Herramientas Consultas y Reportes 25 Herramientas Consultas y Reportes 26
14 Herramientas OLAP Funcionalidades base: Permiten consultar datos : Interactivamente y en forma eficiente. Usando mecanismos comprensibles para usuarios. Una consulta corresponde a cruzar dimensiones y elegir la medida en el cruzamiento. Funcionalidades adicionales: Rankings. Visualización gráfica. Funcionalidades de herramientas: Integración con BDs Relacionales. Integración con herramientas de escritorio. Interfaces tipo API. 27 Herramientas OLAP Implementan Modelos Multidimensionales. Los Modelos MD representan los datos como dimensiones en un hipercubo. Diferentes alternativas tecnológicas: ROLAP vs. MOLAP vs. HOLAP: ROLAPs: actuan directamente sobre BD Relacional. MOLAPs: trabajan sobre almacenamiento especializado. HOLAP: intentan aplicar ambas estrategias. 28
15 OLAP - Modelos Multidimensionales Motivaciones: Representar los datos en forma más cercana a la intuición del usuario. Resolver problemas planteados en sistemas relacionales. Principios generales: La información se representa como: cuadros de doble o triple entrada. cubos de "n" dimensiones. Una BD-MD incluye varias dimensiones. 29 OLAP - Modelos Multidimensionales Ejemplo: Análisis de ventas de autos Tabla: MODELO COLOR VOLUMEN-Ventas MINI VAN BLUE 6 MINI VAN RED 5 MINI VAN WHITE 4 SPORTS COUPE BLUE 3 SPORTS COUPE RED 5 SPORTS COUPE WHITE 5 SEDAN BLUE 4 SEDAN RED 3 SEDAN WHITE 2 Cuadro: M O D E L O Mini Van Coupe Sedan Blue Red White COLOR 30
16 Herramientas OLAP - Ejemplo 31 Herramientas OLAP - Ejemplo 32
17 Herramientas OLAP Cualidades de herramientas OLAP: Acceso a BDs. Valorización de datos. Capacidad de cálculos. Capacidad de operaciones de análisis. Variedad de presentación de resultados. Adaptación a diferentes tipos de usuario. Control de operaciones del usuario. Control de usuarios. Evitar operaciones que "cuelguen" el sistema. 33 Dashboards
18 Data Mining Objetivos: Explorar BDs buscando relaciones desconocidas entre los datos. Por ejemplo: Relaciones entre enfermedades y decesos. Algunas candidatas a nuevas causas de decesos. Otras podrían ser datos erróneos. Qué incluye? Un conjunto muy amplio y heterogéneo de técnicas y herramientas. 35 Data Mining en contexto DW Funciones de Metadata Herramientas Front-End Data Warehouse Herramientas de Integración y Limpieza Herramientas de Acceso a BDs Repositorio - Históricos - BD Externas BDs Fuente Sistemas de Producción 36
19 Data Mining en contexto DW Diferencias con OLAP. Data Mining usa mecanismos de: Descubrimiento de información, Pattern-matching, Deducción de reglas,... y otros para determinar relaciones claves entre los datos. Los algoritmos de Data Mining pueden estudiar varias dimensiones de datos simultáneamente y descubrir los que tienen comportamiento especial. La iniciativa es del algoritmo y no del usuario. 37 Repositorios de datos Funciones de Metadata Herramientas Front-End Repositorios de datos Herramientas de Integración y Limpieza Herramientas de Acceso a BDs Repositorio - Históricos - BD Externas BDs Fuente Sistemas de Producción 38
20 Repositorios de datos BDs Fuentes ODS Data Warehouse Corporativo Aplicaciones (Data Marts)... Datos detallados Transformaciones Datos Preparados (agregados, históricos) METADATOS Repositorios de datos Data Warehouse Corporativo (CDW): Brinda información gerencial a nivel de la organización. Alcance global. Información integrada y limpia. Centraliza la carga (y afines) desde bases fuentes. Operational Data Store (ODS): Contiene resultados intermedios de los procesos de carga y actualización. Puede incluir información de control que facilite los procesos de carga. Puede ser temporal o perdurable.
21 Repositorios de datos Data Marts Brindan información gerencial a un área específica de negocios. Por ejemplo: Ventas, Marketing, Recursos Humanos. Basado en porciones de datos del CDW. Realizan la interacción directa con los usuarios. Fuertemente asociados a requerimientos concretos de usuarios/aplicaciones. Incluyen los datos más directamente relacionados. Incluyen los programas/consultas necesarios. Aplican las tecnologías más adecuadas a c/caso. Administración y evolución relativamente autónoma. Clases de Datos BDs Fuentes ODS Data Warehouse Corporativo Aplicaciones (Data Marts)... Datos detallados Transformaciones Datos Preparados (agregados, históricos) Datos: integrados sin preparar Describen los otros datos. Datos: integrados. limpios preparados. Datos : + preparados. especializados. METADATOS
22 Clases de Datos Datos detallados: Corresponden al punto de inserción de datos desde los sistemas de producción. Diferencia con datos de BD-Fuentes: Están en formato homogéneo. Pasaron un primer control de calidad. Pueden ya haber sido integrados. Generalmente se trata de volúmenes importantes de datos. Clases de Datos Datos agregados: Resultantes de aplicar funciones de totalización sobre datos correspondientes a un objeto del problema. Ej: total mensual de ventas por producto. Interés: Información significativa para analizar. Permiten reducir volúmenes de datos. Su cálculo interactivo plantea problemas de performance. Datos historizados: Datos (detallados o agregados) a los cuales se les agrega una marca de tiempo. Generan volúmenes importantes de datos.
23 Clases de Datos Metadatos: Consiste en información sobre los datos del DW. Incluye información sobre: Semántica de los datos y su localización en el DW. Localización de los datos en los sistemas de producción y reglas de transformación. Especificación de formulas de cálculo de agregados. Información sobre frecuencias de carga, mecanismo de historización, etc. Constituye una pieza clave para: El control de calidad de los datos. La explotación eficaz del DW. El mantenimiento del DW. Carga y actualización Funciones de Metadata Herramientas Front-End Repositorios de datos Herramientas de Integración y Limpieza Herramientas de Acceso a BDs Repositorio - Históricos - BD Externas BDs Fuente Sistemas de Producción 46
24 Carga y actualización BD Fuente ODS Data Warehouse Corporativo Aplicaciones (Data Marts)... Datos detallados Transformaciones Datos Preparados (agregados, históricos) Extracción Integración Filtrado Transformación Consolidación Integración Carga en Data Marts 47 Tipos de Operaciones/Transformaciones Extracción de datos. Consiste en extraer los datos de la BD fuente y cargarlo en el ODS o DW. Limpieza. Filtrado de datos no admisibles en el DW. Modificación de formato o valores para que cumpla pautas definidas en el DW. Integración. Consiste en integrar datos provenientes de dos o más fuentes. 48
25 Tipos de Operaciones/Transformaciones Cálculos y Consolidaciones (Agregaciones). Consiste en calcular indicadores a partir de datos base. Pueden implicar consolidaciones. Generación de datos históricos (historizacion). Consiste en agregar marcas de tiempo a datos. Generación de versiones. Consiste en agregar atributos diferenciadores de diferentes versiones de un objeto base. La historización permite hacer esto marcando la versión con un valor temporal. 49 Carga y actualización Problemas a resolver: Diseño de la configuración: Qué operaciones se realizan en qué momento. Cuáles son secuenciales y cuáles paralelizables. Qué dependencias hay entre ellas. Diseño e implementación de procesos: Extracción, integración, etc. Definición de frecuencia de operaciones. Grado de sincronización del DW con BDs fuente. Coordinar esta frecuencia con la lógica de las consolidaciones. 50
26 Administración del DW Funciones de Metadata Herramientas Front-End Repositorios de datos Herramientas de Integración y Limpieza Herramientas de Acceso a BDs Repositorio - Históricos - BD Externas BDs Fuente Sistemas de Producción 51 Administración del DW Aspectos principales a prever. Gestión de la Metainformación. Monitoreo del DW. Resulta importante: Prever los recursos necesarios. Personas, Herramientas, Datos. Contar con herramientas especializadas
27 Meta-información Es información sobre los datos en el DW Constituye un elemento clave para los Sist. DW. Para el mantenimiento del sistema Control y verificación de la calidad de los datos Enriquece los datos almacenados en el DW. Asociándolos a objetos del negocio real Tipos de meta-información: Propiedades (o atributos) Relaciones con otros objetos Meta-información Items de meta-información: Semántica (de datos en el DW) Qué significa ese dato? Con qué temática se relaciona el ítem? Origen Cúal es su origen? (BD, cálculo,...) De qué tablas se extrae el ítem? Reglas de cálculo Cómo se calcula el ítem de datos? Reglas de agregación Cuál es el conjunto de datos fuente?
28 Meta-información Items de meta-información (cont.): Calidad Qué niveles de calidad tienen los datos? Almacenamiento, formato Cómo se almacena y con qué formato? Uso Qué programas lo usan? Carga Con qué frecuencia se cargan los datos del DW? Cómo se realiza las historización? Meta-información Gestión de la meta-información. Es un problema en sí mismo, Además de la administración del DW Concierne funciones de: Modelado de datos, almacenamiento, acceso Resulta interesante contar con herramientas especializadas en Gestión de Meta-información
29 Modelos de Metadata OIM (Metadata Coalition) ( ). Objetivo: soportar a interoperabilidad entre herramientas heterogéneas a nivel empresarial Diseñado para acompañar todas las fases del desarrollo de Sistemas de Información CWM (Object Management Group) ( ) Objetivo: soportar interoperabilidad en herramientas y sistemas de Data Warehousing Especializado en soporte a Data Warehouse y Business Intelligence Diseño de Data Warehouse Elementos base: Las operaciones principales son consultas. La carga/actualización no es transaccional. Importancia de la calidad y facilidad de acceso. Por lo tanto Criterios de diseño diferentes a los de bases de datos operacionales. En cuanto a complejidad El diseño del DW y programación de la carga constituyen las tareas más costosas y complejas.
30 Enfoques de Diseño de DW Existen diferentes enfoques que varían según Si apuntan a diseño del Data Warehouse o de Data Marts Las fases que conforman el proceso de diseño El método para especificar requerimientos Diseño DW vs. Diseño DM DW Incluye datos de la organización entera Utilizado en altos niveles gerenciales DM Areas de negocio específicas Sub-conjunto de los datos Niveles de gerencia medios en la organización
31 Diseño DW vs. Diseño DM Diseño top-down Se construye un esquema para el DW entero Se integran los requerimientos de usuarios de diferentes niveles/partes de la organización Luego se separan los DM según las características de cada área de negocio o proceso. Diseño bottom-up Se construye un esquema separado para cada DM. En base a los requerimientos de los usuarios del área de negocio o proceso correspondiente. Luego los esquemas se integran formando el esquema global de DW. Fases del proceso de Diseño Existen pocas propuestas de métodos de diseño de DW que abarcan todo el proceso. No coinciden en las fases Distintas filosofías Fases tradicionales de diseño de bases de datos Se ignora fase de diseño conceptual Se incluyen más fases, como diseño de ETL Métodos especiales para especificación de requerimientos Se incluye creación de metadata
32 Especificación de requerimientos Enfoque orientado al usuario Los usuarios determinan los hechos y dimensiones de análisis relevantes. Enfoque orientado al negocio Las estructuras del DW se derivan del análisis de los requerimientos o procesos del negocio. Enfoque orientado a las fuentes El DW se deriva de las fuentes de datos. Enfoque combinado Combinacion de usuario/fuentes o negocio/fuentes DBMS para el Data Warehouse DBMSs Relacionales: Solución "universal" Soportan el grueso de las aplicaciones DW Dificultades para resolver eficientemente consultas dimensionales DBMSs Multi-Dimensionales: Representan los datos del problema en términos de dimensiones Estructuras de almacenamiento están diseñadas para optimizar consultas dimensionales
33 DBMSs Relacionales Mecanismos que mejoran performance Arquitecturas paralelas Solución de hardware Multiplicar recursos de procesamiento Mecanismos del DBMS Independientes del hardware Indices binarios Estructuras de datos para acceso más eficiente Algoritmos de StarJoin Algoritmos orientados a consultas dimensionales sobre BDs Relacionales Resumen Los SDW Pieza clave en el proceso de toma de decisiones Acercan la información al usuario Permiten revalorizar los datos en la empresa Construyen información a partir de datos Integran datos en diferentes formatos Los SDW no son productos monolíticos sino composición de diferentes soluciones técnicas Diseño de base de datos Diseño de procesos de carga y actualización Control de calidad de datos Conectividad, etc.
34 Resumen Herramientas Front-End: Tipos muy diferentes: desde planillas OLAP Data Mining. Procesos de Carga y Actualización: Es un proceso complejo y poco visible. Generalmente corresponde a la actividad más costosa del proyecto. Incluye diferentes operaciones: Carga, Integración, Control de Calidad Resumen Arquitecturas: No hay receta universal. DWs y DMs: Lograr coordinación práctica. Diferentes niveles de diseño: Diseño conceptual Diseño lógico Implementación Se debe resolver: Diseño de esquemas Diseño de procesos de carga y actualización Almacenamiento de metadatos necesarios
Carga y Mantenimiento de DW
Proceso de Diseño esq. conceptual diseño concep. dis. lógico dis. lógico dis. lógico implementación esq. lóg. MD data marts MD carga refinamiento implementación esq. lóg. rel. DW esq. lóg. rel. DW DW rel.
Más detallesResumen Inteligencia de Negocios
Resumen Inteligencia de Negocios La inteligencia de Negocios es una tendencia dentro de la Tecnología de Información, recordemos que la Tecnología de Información ayuda a hacer eficientes muchos de los
Más detallesDirección General de Estudios de Postgrado Área de Ingeniería Programa: Maestría Sistemas de Información
Dirección General de Estudios de Postgrado Área de Ingeniería Programa: Maestría Sistemas de Información Caracas, Abril 2016 Integrantes: Areiza, Elvis Pérez, Dalila Rivas, Juan Puntos a tratar: 1.- Almacén
Más detallesArquitectura de un data warehouse Funcionamiento detallado de un data warehouse
El modelo multidimensional Data a Warehousing OLAP vs. OLTP Data Warehousing El modelo multidimensional Dimensiones, medidas y hechos Arquitectura de un data warehouse Funcionamiento detallado de un data
Más detallesConceptos de Inteligencia Empresarial
Conceptos de Inteligencia Empresarial Business Intelligence Se denomina inteligencia empresarial, inteligencia de negocios o BI (del inglés business intelligence), al conjunto de estrategias, aplicaciones,
Más detallesBASES DE DATOS AVANZADAS. Facultad de Estadística e Informática
BASES DE DATOS AVANZADAS Clase 26 Agenda Integración de datos osistemas de mediación odata Warehousing Integración de datos CÓMPUTO EN LA NUBE Qué es? La integración de datos la podemos definir como el
Más detallesIntroducción al Data Warehousing. Diseño Conceptual.
Plan General Introducción al Data Warehousing. Diseño Conceptual. Conceptos generales y proceso de diseño. Modelos Multidimensionales. Estrategia basada en requerimientos. Estrategia basada en datos. Diseño
Más detallesSistemas de Data Warehousing
Federación Médica del Interior (FEMI) Sociedad Uruguaya de Informática en la Salud (SUIS) Información en Salud Edición 2009 Sistemas de Data Warehousing Dr. Ing. Adriana Marotta (In.Co - F.Ing - UDELAR)
Más detallesLa herramienta OLAP genera la correspondiente consulta y la envía al gestor de consultas del sistema (p.ej. mediante una sentencia SELECT).
9. OLAP 9.1 Introducción Las herramientas de OLAP (Online Analytical Processing) presentan al usuario una visión multidimensional de los datos (esquema multidimensional) para cada actividad que es objeto
Más detallesLas empresas han comenzado a aprovechar los cada vez más numerosos datos en línea para tomar mejores decisiones sobre sus actividades.
Las empresas han comenzado a aprovechar los cada vez más numerosos datos en línea para tomar mejores decisiones sobre sus actividades. Para ejecutar de manera eficiente las consultas sobre datos tan diferentes
Más detallesBases de datos 1. Teórico: Introducción
Bases de datos 1 Teórico: Introducción Conceptos generales Base de Datos: Es un conjunto de datos relacionados Representa algún aspecto del mundo real Es construida para un propósito específico Database
Más detallesBASES DE DATOS RELACIONALES
Unidad I. Bases de Datos BASES DE DATOS RELACIONALES Profesora Ginnette Calvo G. Grupo 002 II Ciclo 2013 BASES DE DATOS: definición * Colección de datos relacionados (Elmasri/Navathe) * Colección lógicamente
Más detallesModulo II Data Warehouse y OLAP
Diplomado en Minería de Datos para la Toma de Decisiones Modulo II Data Warehouse y OLAP 2 Arquitectura Data Warehouse Objetivos 2.1 Niveles y Componentes. 2.2 Modelo de Datos Multidimensional. 2.3 Tipos
Más detallesModelos de Datos y DBMS
Modelos de Datos y DBMS Temas: - Modelos de Datos. - Esquemas e Instancias. - Arquitectura lógica de DBMS. - Lenguajes e Interfaces en BDs. - Estructura básica de DBMSs. In.Co. - Facultad de Ingeniería
Más detallesBases de Datos 2. Teórico
Bases de Datos 2 Teórico Modelos de Datos: definición Lenguajes usados para especificar BDs. Un Modelo de Datos permite expresar : Estructuras Objetos de los problemas: Por ejemplo: CURSOS( nro_curso,
Más detallesModelos de Datos y DBMS. Referencia. Elmasri Navathe. Temas:
Modelos de Datos y DBMS Temas: - Modelos de Datos. - Esquemas e Instancias. - Arquitectura lógica de DBMS. - Lenguajes e Interfaces en BDs. - Estructura básica de DBMSs. In.Co. - Facultad de Ingeniería
Más detallesOLAP EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP. SISTEMAS ROLAP Y MOLAP. SQL AMPLIADO. OLAP 1
OLAP EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP. SISTEMAS ROLAP Y MOLAP. SQL AMPLIADO. OLAP 1 EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP OLAP 2 EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP MODELO DE UN AMBIENTE OLAP
Más detallesAux 2. Introducción a la Minería de Datos
Aux 2. Introducción a la Minería de Datos Gastón L Huillier 1,2, Richard Weber 2 glhuilli@dcc.uchile.cl 1 Departamento de Ciencias de la Computación Universidad de Chile 2 Departamento de Ingeniería Industrial
Más detallesAdministración de las Bases de Datos
Universidad Alonso de Ojeda Facultad de Ingeniería Administración de las Bases de Datos Base de Datos II Profesora: Anaylen López Base de Datos Distribuidas Concepto "Base de datos distribuida" es en realidad
Más detallesDIPLOMADO EN MICROSOFT SQL SERVER 2008
DIPLOMADO EN MICROSOFT SQL SERVER 2008 El departamento de TI de las empresas se está sometiendo a una transformación integral. Está preparado? Aproveche la mejor oportunidad para capacitarse, ampliar sus
Más detalles2.3 Fundamentos de Inteligencia de Negocios JACOBO ADAN VICTOR MANUEL
Subsecretaría de Educación Superior Dirección General de Educación Superior Tecnológica Instituto Tecnológico de Iguala INSTITUTO TECNÓLOGICO DE IGUALA MATERIA: FUND. DE GESTION DE SERVICIO DE TI 2.3 Fundamentos
Más detallesEXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP OLAP EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP EXPLOTACIÓN DE UN DW: HERRAMIENTAS OLAP
OLAP... OLAP 1 OLAP 2 MODELO DE UN AMBIENTEOLAP LAS HERRAMIENTAS DE OLAP PRESENTAN AL USUARIO UNA VISIÓN MULTIDIMENSIONAL DE LOS DATOS O ESQUEMA MULTIDIMENSIONAL, PARA CADA ACTIVIDAD QUE ES OBJETO DE ANÁLISIS.
Más detallesNÚMERO DE HORAS: 160H PROGRAMACIÓN WEB EN EL ENTORNO CLIENTE OBJETIVO
PACK FORMATIVO EN DESARROLLO DE APLICACIONES CON TECNOLOGÍA WEB NÚMERO DE HORAS: 160H PROGRAMACIÓN WEB EN EL ENTORNO CLIENTE OBJETIVO - Identificar la estructura de una página web conociendo los lenguajes
Más detallesArquitectura de Manejadores de Base de Datos
Arquitectura de Manejadores de Base de Datos Bases de Datos 2 - Tecnologo de Informatica Outline 1 Arquitectura de DBMS Modelos de Datos Arquitectura en 3 niveles e Independencia de datos Lenguajes e Interfaces
Más detallesSistemas de ayuda a la toma de decisión
Sistemas de ayuda a la toma de decisión Introducción Información es todo lo que reduce la incertidumbre sobre algún aspecto de la realidad y, por lo tanto, permite tomar mejores decisiones. Los requerimientos
Más detallesPROGRAMA ACADÉMICO DE TECNOLOGÍAS DE LA INFORMACIÓN. Actividad Cuestionario Business Intelligence
DEXCELENCIA UNIVERSITARIA, FORTALEZA E MEXICO I Z U C A R D E M ATA M O R O S PROGRAMA ACADÉMICO DE TECNOLOGÍAS DE LA INFORMACIÓN Actividad Cuestionario Business Intelligence como requerimiento parcial
Más detallesDefinición. 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 detallesDiseño y Construcción de Data Warehouse. Instituto de Computación - Facultad de Ingeniería Mayo Carga y Actualización
Diseño y Construcción de Data Warehouse Instituto de Computación - Facultad de Ingeniería Mayo 2017 Carga y Actualización 2 1 Temario: Carga y Actualización Introducción. Tipos de operaciones. Flujos:
Más detallesCREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER (40 HORAS)
CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER (40 HORAS) MODALIDAD: ONLINE CONTACTO: campus@formagesting.com / +34 722 164 372 OBJETIVOS DEL CURSO OBJETIVOS ESPECÍFICOS Conocer los conceptos
Más detallesCAPÍTULO 1. INTRODUCCIÓN
CAPÍTULO 1. INTRODUCCIÓN Las tecnologías de la información son herramientas que ayudan a las personas a tomar decisiones de forma eficiente y efectiva. Los Data Warehouse [16, 5], Minería de datos [9,
Más detallesInteligencia de Negocios
Inteligencia de Negocios Entender el concepto de Inteligencia de Negocio Conocer los elementos más importantes en el diseño de una sistema de Inteligencia de Negocio Motivación La información en las organizaciones
Más detallesSistemas de Soporte a las Decisiones
Universidad Tecnológica Nacional Facultad Regional San Francisco Ingeniería en Sistemas de Información Sistemas de Soporte a las Decisiones PLANIFICACIÓN CICLO LECTIVO 2010 ÍNDICE ÍNDICE... 2 PROFESIONAL
Más detallesDE LAS BD A LOS ALMACENES DE DATOS (DW) FINALIDADES Y EVOLUCIÓN DE LOS SISTEMAS DE INFORMACIÓN FINALIDADES Y EVOLUCIÓN DE LOS SISTEMAS DE INFORMACIÓN
DE LAS BD A LOS ALMACENES DE DATOS (DW)... ALMACENES DE DATOS (DATA WAREHOUSES Y DATA MARTS), OLAP (PROCESO ANALÍTICO EN LÍNEA) Y. DE LAS BD A LOS DW 1 DE LAS BD A LOS DW 2 LA INFORMACIÓN REDUCE NUESTRA
Más detallesTaller #2. Carlos Reveco Cinthya Vergara
Taller #2 Carlos Reveco creveco@dcc.uchile.cl Cinthya Vergara cvergarasilv@ing.uchile.cl 1 Taller#2 Modelamiento Multidimensional Antecedentes Generales Ejercicio Laboratorio #2: Desde Modelo Estrella
Más detallesInteligencia de Negocios. Modelado Multidimensional Lógico
Modelado Multidimensional Lógico Esquema de la clase 1. Modelado multidimensional lógico Qué es? 2. Modelo estrella, copo de nieve y mixto 3. Construcción del DW Subjetivo - Estructura del Modelo de datos
Más detallesBUSINESS INTELLIGENCE
BUSINESS INTELLIGENCE 80 Curso 01 INTRO- DUCCIÓN Hoy en día, el Business intelligence o inteligencia empresarial, es el grupo de estrategias, aplicaciones, datos, tecnologías, productos y arquitecturas
Más detallesProcesamiento Analítico en Línea IBARRA MARIA DE LOS ANGELES
IBM DB2 OLAP SERVER Procesamiento Analítico en Línea IBARRA MARIA DE LOS ANGELES 2006 Índice Introducción Data warehouse Data mart Sistemas OLTP Sistemas OLAP Operaciones analíticas básicas Vista de datos
Más detallesUMET : UNIVERSIDAD METROPOLITANA
UMET : UNIVERSIDAD METROPOLITANA TRABAJO DE BASE DE DATOSA II TEMA : COMPARACION DE HARREMIENTAS OLAP PRESENTADO POR JAIME CRUZ N. MAYO 15 DE 2011 LINK : Contenido Pag: 1 Para poder determinar las diferencias
Más detallesUNIVERSIDAD NACIONAL TECNOLÓGICA DE LIMA SUR CARRERA PROFESIONAL DE INGENIERÍA DE SISTEMAS
UNIVERSIDAD NACIONAL TECNOLÓGICA DE LIMA SUR CARRERA PROFESIONAL DE INGENIERÍA DE SISTEMAS INFORME DE SUSTENTACIÓN DESARROLLO DE UNA SOLUCIÓN DE INTELIGENCIA DE NEGOCIOS COMO HERRAMIENTA DE APOYO A LA
Más detallesBodegas de Datos y OLAP. Introducción a la Bodegas de Datos
Bodegas de Datos y OLAP Introducción a la Bodegas de Datos Contenido SI-Definición y Clasificación MIS Vs DSS DSS-Definición y Características DW-Definición, Elementos, Características, Arquitectura, OLTP
Más detallesDiseño estructural y propuesta de actividades. 1. DATOS GENERALES DEL CURSO Análisis de información y minería de datos para la toma de decisiones
Formato 1 UNIVERSIDAD DE GUADALAJARA 1. DATOS GENERALES DEL CURSO Nombre del curso Análisis de información y minería de datos para la toma de decisiones Programa al que pertenece Créditos Horas teoría
Más detallesLa Empresa Inteligente.
La Empresa Inteligente. ERP, CMR, RRHH son algunos de las innumerables tipos de aplicaciones implementados en las organizaciones, las cuales muchas veces se encuentran desarrolladas en plataformas diferentes.
Más detallesCI2355 Almacenes de datos y OLAP
CI2355 Almacenes de datos y OLAP Arquitectura 2012/03/12 CI2355 - Almacenes de datos y OLAP 2 Propiedades esenciales Separación El procesamiento transaccional y el analítico deben mantenerse lo más separados
Más detallesTeoría de Base de Datos Ing. José J. Reyes. Definiciones
Definiciones 1 Base de Datos: Las Bases de Datos son el núcleo del sistema de información de cualquier empresa. La administración y gestión de las mismas constituye, por tanto, un trabajo muy importante
Más detallesSYLLABUS de la Asignatura Inteligencia de Negocios
Escuela de Informática Sazié 2325 +56 2 2661 8256 contactofi@unab.cl SYLLABUS de la Asignatura Negocios 1. Descripción de la asignatura Este curso presenta el diseño y análisis de sistemas de información
Más detallesBASES DE DATOS DISTRIBUIDAS
BASES DE DATOS DISTRIBUIDAS Una Base de Datos Distribuida entonces es una colección de datos que pertenecen lógicamente a un sólo sistema, pero se encuentra físicamente esparcido en varios "sitios" de
Más detallesFUNDAMENTOS DE INTELIGENCIA DE NEGOCIOS
FUNDAMENTOS DE INTELIGENCIA DE NEGOCIOS Estructura de contenidos INTRODUCCIÓN... 3 1. INTELIGENCIA DE NEGOCIOS... 3 1.1. La implementación de un esquema de BI permite:... 4 1.2. Selección de Indicadores:...
Más detallesProcesamiento analítico en línea (OLAP) B.1 Qué es el procesamiento analítico en línea?
Apéndice B Procesamiento analítico en línea (OLAP) B.1 Qué es el procesamiento analítico en línea? En un almacén de datos, a diferencia de un OLTP, se realizan operaciones de procesamiento analítico en
Más detallesImplementación de Componentes
Implementación de Componentes Concepto Un componente es una parte no trivial, casi independiente, y reemplazable de un sistema que llena claramente una funcionalidad dentro de un contexto en una arquitectura
Más detallesFACULTAD DE INGENIERÍA
FACULTAD DE INGENIERÍA CARRERA PROFESIONAL DE INGENIERÍA DE SISTEMAS DESARROLLO DE UNA SOLUCIÓN DE INTELIGENCIA DE NEGOCIOS PARA MEJORAR LA TOMA DE DECISIONES EN EL DEPARTAMENTO DE GESTIÓN DE ASOCIADOS
Más detallesSoluciones OLAP con Microsoft Analysis Services
Soluciones OLAP con Microsoft Analysis Services 5to Congreso de Informática, Universidad Mariano Gálvez, Zacapa Marco Tulio Gómez Reyes mgomez@solcomp.com MSc. Tecnologías de la Información MCITP Business
Más detallesInvestigación Emergente en Bases de Datos y Aplicaciones
Investigación Emergente en Bases de Datos y Aplicaciones César Enrique Rose Gómez crosegom@hotmail.com Departamento de Sistemas y Computación Instituto Tecnológico de Hermosillo 1 Historia de la Administración
Más detallesCurso a Distancia Utilizando SAIKU de Pentaho
Curso a Distancia Utilizando SAIKU de Pentaho Módulo 1 Conceptos Básicos Clase 1: Qué es un sistema de Información? SIU-WICHI 1 de 9 Modulo 1 Clase 1 - Qué es un sistema de información? MODULO 1 CLASE
Más detallesUNIVERSIDAD TÉCNICA DEL NORTE. MANUAL DE TÉCNICO DE ORACLE WARE HOUSE BUILDER 11g R2.
UNIVERSIDAD TÉCNICA DEL NORTE MANUAL DE TÉCNICO DE ORACLE WARE HOUSE BUILDER 11g R2. Versión1.0 Junio 2015 ORACLE WAREHOUSE BUILDER 1. Introducción Oracle Warehouse Builder (OWB) es la herramienta de modelado
Más detallesGestión de Bases de Datos. Prof. Marlene Goncalves Universidad Simón Bolívar
Gestión de Bases de Datos Prof. Marlene Goncalves Universidad Simón Bolívar Ubicación del Curso Ingeniería de Software Algoritmia Técnicas de Análisis y Diseño Estructuras Almacenamiento Memoria Secundaria
Más detallesPROGRAMA ACADÉMICO DE TECNOLOGÍAS DE LA INFORMACIÓN. Actividad Cuestionario de BI. como requerimiento parcial para acreditar la asignatura de
DEXCELENCIA UNIVERSITARIA, FORTALEZA E MEXICO I Z U C A R D E M ATA M O R O S PROGRAMA ACADÉMICO DE TECNOLOGÍAS DE LA INFORMACIÓN Actividad Cuestionario de BI como requerimiento parcial para acreditar
Más detallesTERMINOS DE REFERENCIA CONSULTORÍA NACIONAL EN SERIES ESTADÍSTICAS ECONOMICAS
TERMINOS DE REFERENCIA CONSULTORÍA NACIONAL EN SERIES ESTADÍSTICAS ECONOMICAS I. ANTECEDENTES El Instituto Nacional de Estadística e Informática (INEI) del Perú se encuentra en una fase de fortalecimiento
Más detallesSISTEMAS DE INFORMACIÓN III LABORATORIO
CONTENIDO: CONSIDERACIONES GENERALES SOBRE LAS HERRAMIENTAS CASE Material diseñado y elaborado por: Prof. Anna Grimán Prof. Luis Eduardo Mendoza QUÉ SON LAS HERRAMIENTAS CASE? Según varios autores, Computer
Más detallesUNIVERSIDAD TÉCNICA DEL NORTE
UNIVERSIDAD TÉCNICA DEL NORTE FACULTAD DE INGENIERÍA EN CIENCIAS APLICADAS CARRERA DE INGENIERÍA EN SISTEMAS COMPUTACIONALES TRABAJO DE GRADO PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERÍA EN SISTEMAS
Más detallesArquitecturas de Business Intelligence
Arquitecturas de Business Intelligence Los momentos actuales donde nuevas e innovadoras tecnologias aparecen continuamente en el mercado, estan generando cambios en los sistemas tradicionales de Business
Más detallesINTELIGENCIA DE NEGOCIO
INTELIGENCIA DE NEGOCIO 2017-2018 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Minería de Datos. Ciencia de Datos Tema 3. Modelos de Predicción: Clasificación, regresión y series temporales
Más detallesTABLEAU - Visualización y Analítica Avanzada
1 Curso: TABLEAU - Visualización y Analítica Avanzada Técnicas avanzadas de modelamiento dimensional y de visualización de datos 2 Presentación Las técnicas y herramientas avanzadas de modelamiento dimensional
Más detallesUn cambio en la forma de trabajo
Un cambio en la forma de trabajo Departamento de Ingeniía de Sistemas y Computación 27 de abril de 20 Departamento de Ingeniía de Sistemas y Computación 27 de abril de 20 Qué es Inteligencia de Negocios?
Más detallesProyecto BIConsejo. Jefatura de Proyectos y Planeamiento Gerencia de Administración
Proyecto BIConsejo Jefatura de Proyectos y Planeamiento Gerencia de Administración - INTRODUCCIÓN - El proyecto BIConsejo surge de la necesidad de planificar algunas de las actividades mas significativas
Más detallesClasificación de las Herramientas CASE
Qué es una herramienta CASE? Las herramientas CASE (Computer Aided Software Engineering, Ingeniería de Software Asistida por Computadora) son diversas aplicaciones informáticas destinadas a aumentar la
Más detallesFormatos de Metodología
Formatos de Metodología Stephanie Herrera Bautista 01/12/2012 En este documento se encuentran todos los formatos de la metodología para la implementación de OLAP en las Pymes desde un CRM Tabla T1 Herramientas
Más detallesCI-5313: Arquitectura y Administración de Base de Datos I Apuntes del curso INDICES (II y III)
CI-5313: Arquitectura y Administración de Base de Datos I Apuntes del curso INDICES (II y III) Soraya Abad Mota Versión 1: Septiembre 2002 Actualizaciones: Enero 2005 y Septiembre 2007 1. Tópico 4: Lineamientos
Más detallesIntegración de Datos y ETL con Oracle Warehouse Builder NEW
Oracle University Contact Us: 902 302 302 Integración de Datos y ETL con Oracle Warehouse Builder NEW Duration: 5 Days What you will learn A lo largo de este curso práctico de 5 días de duración, los estudiantes
Más detallesResumen de Data Warehousing Consideraciones para una solución de almacén de datos Laboratorio: Explorar una solución de almacenamiento de datos
Curso 20463C 5 días Módulo 1: Introducción a Data Warehousing Este módulo proporciona una introducción a los componentes clave de una solución de almacenamiento de datos y las consideraciones de alto nivel
Más detallesDesarrollo de Herramientas para Warehousing en el Municipio de Junín
Desarrollo de Herramientas para Warehousing en el Municipio de Junín Mariana Adó, María Cecilia Rastelli, Ana Smail 1, Rodolfo Bertone 1,2 1 Universidad Nacional del Noroeste de la Provincia de Buenos
Más detallesFACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA SILABO DE TOPICO ESPECIALES DE INGENIERÍA DE SISTEMAS E INFORMÁTICA I. DATOS GENERALES 1.0 Unidad Académica
Más detallesBUSINESS INTELLIGENCE
BUSINESS INTELLIGENCE Si buscas resultados distintos, no hagas siempre lo mismo Albert Einstein Introducción Business Intelligence (BI) es un término genérico que incluye las aplicaciones, la infraestructura
Más detallesBases de Datos Masivas
Bases de Datos Masivas Data Warehouse Bases de Datos Multidimensionales Agosto 2016 OLTP y OLAP Los sistemas transaccionales tradicionales (OLTP - On Line Transaction Processing) son inapropiados para
Más detallesCurso Superior. Curso Superior en Desarrollo de BBDD para Big Data y Gestión de un Datawarehouse
Curso Superior Curso Superior en Desarrollo de BBDD para Big Data y Gestión de un Datawarehouse Índice Curso Superior en Desarrollo de BBDD para Big Data y Gestión de un Datawarehouse 1. Sobre Inesem 2.
Más detallesBASES DE DATOS TEMA 1 PERSPECTIVA DEL ÁREA DE BASES DE DATOS
BASES DE DATOS TEMA 1 PERSPECTIVA DEL ÁREA DE BASES DE DATOS 1.3 Desarrolladores y usuarios finales Siendo entonces una DB una colección de datos almacenados en una computadora (discos, tambores u otro
Más detallesEl dato espacial: obtención, utilización, almacenamiento y publicación
El dato espacial: obtención, utilización, almacenamiento y publicación Curso: Análisis de Indicadores sociales desde una perspectiva territorial 19-20 de enero de 2006 Jesús Tébar Arjona jtebar@afi.es
Más detallesMódulo Minería de Datos Diplomado. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS
Módulo Minería de Datos Diplomado Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Metodologías Las tres metodologías dominantes para el proceso de la minería
Más detallesCiclos Formativos de Grado Superior. Títulos Oficiales
Ciclos Formativos de Grado Superior Títulos Oficiales Ciclos Formativos de Grado Superior Aprende en un entorno empresarial desde el primer día En el Centro de Formación de la Cámara Oficial de Comercio,
Más detallesPOSGRADO EN DATABASE ORACLE
OBJETIVOS: POSGRADO EN DATABASE ORACLE Desarrollar habilidades en el Lenguaje Estructurado de Consultas Implementar métodos y procedimientos con PL Elaborar programas con PL/SQL Administrar Bases de Datos
Más detallesIntegración de Datos y ETL con Oracle Warehouse Builder: Parte 1
Oracle University Contact Us: +34916267792 Integración de Datos y ETL con Oracle Warehouse Builder: Parte 1 Duration: 3 Days What you will learn Los participantes aprenderán a cargar datos mediante la
Más detallesCambios en Ingeniería de Software
Cambios en Ingeniería de Software Material tomado del artículo de Casallas Rubby, Villalobos, Jorge. El actual ingeniero de Software. Revista ACIS. Edición Nº 93 Julio - Septiembre de 2005. Preparado por
Más detallesInteligencia de Negocios
Inteligencia de Negocios T E C N O L O G Í A S D E A P O Y O Claudio Henríquez Berroeta Modelamiento de la toma de decisión y sus procesos Temario Introducción Data Warehouse Data Mining Modelamiento del
Más detallesIMPLEMENTACIÓN DEL MODELO INSPIRE EN LA DIPUTACIÓN FORAL DE ÁLAVA
IMPLEMENTACIÓN DEL MODELO INSPIRE EN LA DIPUTACIÓN FORAL DE ÁLAVA Sergio Jorrín Abellán / Oscar Diago Alonso 1 AGENDA Infraestructuras de Datos Espaciales (IDEs) + Datos + Calidad Siguiente reto: Armonización
Más detallesIntroducción y Conceptos Generales
Introducción y Conceptos Generales Temas: - Conceptos Generales. - Por qué usar BDs? - Actores Involucrados - Usos de DBMSs. - Cuando no usar DBMS. In.Co. - Facultad de Ingeniería Curso : Fundamentos de
Más detallesUniversidad Autónoma del Estado de México Facultad de Contaduría y Administración Licenciatura en Informática Administrativa
Licenciatura en Informática Administrativa ASIGNATURA: ANÁLISIS Y DISEÑO DE SISTEMAS UNIDAD I SISTEMAS DE INFORMACIÓN Elaborado por:. CISA Introducción Dentro de la currícula de la Licenciatura en Informática
Más detallesDiseño e implementación de una base de datos relacional para la gestión de apuestas de fútbol
Diseño e implementación de una base de datos relacional para la gestión de apuestas de fútbol Proyecto Final de Carrera Ingeniería Informática Alumno: David Cuenca Aznar Consultor: Juan Martínez Bolaños
Más detallesTABLEAU - Visualización y Analítica Avanzada
1 Curso: TABLEAU - Visualización y Analítica Avanzada Técnicas avanzadas de modelamiento dimensional y de visualización de datos 2 Presentación Las técnicas y herramientas avanzadas de modelamiento dimensional
Más detallesDISEÑO DE BASE DE DATOS II PROPÓSITO DEL CURSO
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H Clave:08USU4053W FACULTAD DE INGENIERÍA DES: Ingeniería Ingeniería en Sistemas Programa(s) Educativo(s): Computacionales en Hardware Tipo de materia:
Más detallesInteligencia de Negocios Soluciones para la toma de decisiones
Inteligencia de Negocios Soluciones para la toma de decisiones Quienes somos? Somos una empresa joven y dinámica compuesta por un equipo multidisciplinario de profesionales que brinda servicios en inteligencia
Más detallesAdquisición de TIC - Código Abierto
Adquisición de TIC - Código Abierto 2 3 Cuestionamientos sobre los resultados del desarrollo de SW Los sistemas no responden a las expectativas de los usuarios. Los programas fallan con cierta frecuencia.
Más detallesSOLUCIONES PARA LA ADMINISTRACION DE CONTENIDOS. Siempre a la vanguardia
SOLUCIONES PARA LA ADMINISTRACION DE CONTENIDOS Siempre a la vanguardia Fundada en 1998 SOLUCIONES PARA LA ADMINISTRACION DE CONTENIDOS Dentro de las organizaciones, la administración de contenidos se
Más detallesBases de Datos Relacionales
Bases de Datos Relacionales Introducción a las Bases de Datos Conjunto de datos relacionados entre sí Hechos conocidos Pueden registrarse Tienen significado Representa una realidad particular (Minimundo,
Más detallesLa Inteligencia de Negocios y la Gerencia Estrategica
La Inteligencia de Negocios y la Gerencia Estrategica Inteligencia de Negocios: El objetivo de las soluciones de Inteligencia de Negocios, es apoyar a las empresas al logro de sus planes y estrategias,
Más detallesBusiness Intelligence Inteligencia de Negocios
El presente paper fue elaborado por Aníbal Mazza Fraquelli en base a la desgrabación de las clases de la asignatura Tecnología de la Información en la Facultad de Ciencias Económicas de la Universidad
Más detalles