Inteligencia de Negocios. Modelado Multidimensional Lógico

Documentos relacionados
Sistemas de Datos. Data warehouse y Business Intelligence

Inteligencia de Negocios

Caso práctico de una solución de data warehouse business intelligence. Caso Jurassic Park Parte II

Bases de Datos Masivas

Resumen Inteligencia de Negocios

SSAS multidimensional mejores prácticas

Definición. Data Warehousing: almacenamiento, transformación y distribución de datos útiles para los responsables de tomar decisiones 9/29/2006 4

La Base de Datos OLAP Analysis Services (SSAS) Agenda. Agenda. Construyendo una Solución de BI paso a paso con SQL Server 2005

Prueba de autoevaluación 2

UNIVERSIDAD NACIONAL DEL CALLAO

Grandes de Bases de Datos. Almacenes de Datos (DW) e Inteligencia de negocios IN (BI)

FACULTAD DE INGENIERÍA. Bases de Datos Avanzadas

El diseño de la base de datos de un Data Warehouse. Marta Millan

CL_ Quick Microsoft SQL Server 2012 Analysis Services.

Inteligencia de Negocios

Modelo Entidad Relación

Cuadrante Mágico de Gartner para BI 2013 vs. 2014

id_trabajador nombre tarifa_hr tipo_de_oficio id_supv 1235 F. Aguilera 12,50 Electricista A. Calvo 13,75 Fontanero N.

Inteligencia de Negocios Introducción. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS

Facultad de Ciencias Económicas. Departamento de Sistemas. Asignatura: INTELIGENCIA DE NEGOCIOS. Plan 1997

Soluciones OLAP con Microsoft Analysis Services

Unidad 10. Almacenes de Datos

Ingeniería en Informática. Data WareHouse

Logística. Cómo redefinir las operaciones a partir de un enfoque orientado al cliente?

Analysis Server 2008 Diseño multidimensional. Tecnología OLAP Tutorial

luis nieves institute0

Overview of Data Warehousing / Business Intelligence with SQL Server

OLAP. (OnLine Analytical Processing) I.S.C. Zoraya Catalina Flores Juárez Bases de Datos Otoño, 2012.

Decision Support System (DDS)

OLAP 2 OLAP 1 OLAP 4 OLAP 3 OLAP 5 OLAP 6

SQL Server 2014 Implementación de una solución de Business Intelligence (SQL Server, Analysis Services, Power BI...)

Modelos Multidimensionales con Analysis Services Primeros Pasos

Prof. Mariano Mancuso. Sistemas de información y control diagrama de clases

FACULTAD DE INGENIERIA CIVIL IV CICLO I SESION Nº 09

Ignacio Ossa - Ximena Esquivel Consorcio Negocios de Crédito Taller de Inteligencia de Negocios 11 de junio 2008

Diagrama de Flujo de Datos. Simbología

GUÍA DE CÁLCULO DE INTERESES Y OTROS CARGOS Kuiki Credit Nicaragua, S.A.

Módulo Minería de Datos

1 Práctico - Estadística I - División Stimolo

PROGRAMA DE CERTIFICACIÓN DE GESTIÓN EN ABASTECIMIENTO, ALMACENES Y DISTRIBUCIÓN

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 5 -

Modelamiento Dimensional. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS

TEMA 5: EL CUESTIONARIO. DR. JAVIER DE ESTEBAN CURIEL Dpto. de Economía de la Empresa

DISEÑO MICROCURRICULAR

Inteligencia de Negocios (Introducción)

PROYECTO DE TESIS DIEGO GALLARDO. ESPEL - Diego Gallardo

Bases de Datos Masivas


Fundamentos de la Inteligencia de Negocios

Programa Internacional Business Intelligence

Tecnologías de Información y Comunicación II CLASE 10

PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR TEMA: AUTOR: DIRECTOR:

Licencia GNU FDL. Detalle del cambio. Ing. Bernabeu Ricardo Dario, Ing. García Mattío Mariano Alberto. Versión incial. 05/11/2009

Sistema de análisis de información. Resumen de metodología técnica

1. Preparar al estudiante para desarrollar aplicaciones de software utilizando un enfoque orientado a objetos.

UNET Dpto. Ing. Ambiental Sistemas de Abastecimiento de Agua Potable Prof. Ing. Martín Moros ETAPAS DE POTABILIZACIÓN ESCOGENCIA DE UNIDADES

Sistemas de Información 12/13 La organización de datos e información

RECURSOS HUMANOS MÓDULOS EXPRESS. Información General. Pasión por la gestión inteligente

DIRECCIÓN TÉCNICO ELECTORAL - DIRECCION GENERAL ELECTORAL - SECRETARIA DE ACTUACIÓN - JUNTA ELECTORAL DE LA PROVINCIA DE BUENOS AIRES

INDICE 1. Introducción: Archivos y Estructuras de Archivos 2. Operaciones Fundamentales para el Procesamiento de Archivos

CERTIFICACIÓN DE ASISTENTE EN ABASTECIMIENTO, ALMACENES Y DISTRIBUCIÓN

Business Intelligence

Los diagramas de clases y de objetos sirven para modelar diversos aspectos estructurales o estáticos de un sistema: Modelado - Vocabulario del Sistema

TÍTULO: BASES DE DATOS Disponibilidad Objetivos 5 Definicion de una base de datos 9 Datos de nomina (tabla) 9 Esquema de bases de datos (mapa

Business Intelligence: Creación del primer cubo

MOLAP REALIZADO POR: JOSE E. TABOADA RENNA

ALGORITMO MINIMAX. o Nodo: Representa una situación del juego. o Sucesores de un nodo: Situaciones del juego a las que se

INFORME TRIMESTRAL MERCADO INMOBILIARIO GRAN SANTIAGO 4 TRIMESTRE 2014

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERIA ESCUELA DE CIENCIAS Y SISTEMAS

UML: Lenguaje Unificado de Modelado

Indicaciones para el lector... xv Prólogo... xvii

Sumario Prólogo Unidad didáctica 1. Introducción a business intelligence Objetivos de la Unidad... 12

Fundamentos de la Inteligencia de Negocios

Asesores de Directorio Estudian temas especiales de gran repercusión en la toma de decisiones

Cátedra: BI Business Intelligence. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012.

CAPÍTULO 2 DATA WAREHOUSES

Sistemas de Inventarios con Demanda Probabilística

Qué es una tabla dinámica? Para qué sirve una tabla dinámica?

Capítulo 8. Productos, servicios y marcas: creación de valor para el cliente. Qué es un producto? Productos, servicios y experiencias

Bodegas de Datos y OLAP. Introducción a la Bodegas de Datos

DIPLOMADO EN MICROSOFT SQL SERVER 2008

Modelado dimensional de datos

1. Asignar Responsabilidades a componentes de software es la habilidad más importante del AOO. Porque:

PROCEDIMIENTO DE CAPACITACIONES A LOS CANALES DE DISTRIBUCIÓN PARA ADSMUNDO TURISMO RECEPTIVO

PLAN DE NEGOCIOS. FORMACIÓN DE EMPRESARIOS INTEGRALES Plan de Negocios

ICE Localización Laboral

Diseño multidimensional. Jordi Conesa i Caralt Isabel Guitart Hormigo M. Elena Rodríguez González

Transcripción:

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 unificado 4. Medidas Granularidad 5. Aspectos Avanzados

Modelo estrella

Modelo copo de nieve y mixto

Comparación entre los Modelos Estrella y Copo de Nieve Cambios en el esquema: facilidad para agregar nuevos atributos o niveles ETL al DW Subjetivo: sencillez (desarrollo y mantenimiento) y desempeño del proceso Claridad semántica: facilidad para consultar directamente el DW subjetivo Procesamiento y carga del cubo (MOLAP): tiempo de Procesamiento y Carga

Caso Jurassic Park: Área de Ventas - Modelo Conceptual EMPLEADO TIEMPO ESCUELA DISTRIBUCIÓN GEOGRÁFICA PRODUCTO CANAL DE PROMOCIÓN Rango Capacitación Año Tipo Región Categoría Canal de Promoción Empleado Trimestre Escuela Provincia SubCategoría Mes Grado Ciudad Producto Día Parque Local Dimensiones: Una o más tablas por cada dimensión dependiendo del esquema elegido (estrella o copo de nieve) Monto vendido Cantidad vendida Promedio vendido x alumno Monto descontado Cantidad de reclamos Tabla de Hechos: Una FK por cada dimensión (último nivel de cada jerarquía) conforman -> PK de la tabla de Hechos Medidas (campos numéricos)

Caso Jurassic Park: Área de RRHH - Modelo Conceptual TIEMPO DISTRIBUCIÓN GEOGRÁFICA EMPLEADO Año Región Gerencia Estado Civil Máx. Nivel de Estudio Institución Trimestre Provincia Departamento Mes Ciudad Puesto Día Parque Local Monto Liquidado Cantidad de Empleados

Cómo se unifican los distintos hechos? Producción Stock Venta Envío

Cómo se unifican los distintos hechos? Producción Stock Venta Envío Tiempo Empleado Cliente Producto Localidad Promoción Sucursal Sólo comparten algunas dimensiones

Inteligencia de Negocios Cómo se unifican los distintos hechos? Estructura del modelo de datos Tabla Empleado Tabla de hechos Producción Tabla Sucursal Tabla de hechos Venta Tabla Producto Tabla Tiempo Tabla de hechos Stock Tabla Localidad Tabla Promoción Tabla de hechos Envío Tabla Cliente Nota: Las dimensiones se construyen a partir de una o más tablas dependiendo del modelo (estrella o copo de nieve)

Cómo se unifican los distintos hechos? Donde? Las alternativas dependen de la Herramienta En el Cubo En las Herramientas de Exploración Microsoft: Perspectivas Modelo Dimensional Unificado

Medidas Granularidad DW Objetivo / Transaccional Transacción (item) Medidas Aditivas - Flujo Semiaditivas - Stock Transacción (item) Foto Acumulativa (por ej. Ventas por día) Foto Periódica (por ej. Stock por Producto) La elección del nivel de granularidad condiciona las posibilidades de análisis Trade-off (qué por qué): Poder llegar a algunos datos de la transacción en el análisis vs. Mayor tiempo de procesamiento (MOLAP o ROLAP con agreg.), mayor necesidad de almacenamiento y peor tiempo de respuesta en las consultas.

Aspectos avanzados

Medidas Agregaciones comunes en Tiempo (sólo Aditivas/Flujo) Tiempo: Momento de ocurrencia del evento. Month-To-Date (MTD) - Acumulado Mensual: Desde comienzo del mes a la fecha actual. Year-to-date (YTD) - Acumulado Anual: Desde comienzo del año a la fecha actual. Rolling 6 - Acumulado de 6 Meses: Desde 6 meses atrás a la fecha actual. Rolling 12 - Acumulado de 12 Meses: Desde 12 meses atrás a la fecha actual. Se transforman en medidas semi-aditivas Otros: Crecimiento sobre Mes Anterior, Crecimiento sobre Año Anterior, etc.

Medidas Agregaciones comunes en Tiempo (sólo Aditivas/Flujo) Tiempo: Momento de ocurrencia del evento. Si hoy es 13 de Marzo de 2010: Altas Día Altas MTD Altas YTD Rolling 6 Altas: Desde 13 de Octubre de 2009 Rolling 12 Altas: Desde 13 de Marzo de 2009

Medidas Calculadas Cálculos entre medidas, agregaciones en tiempo (MTD, YTD), etc. Donde? En el DW Subjetivo En el Cubo Tenemos que tenerlas en cuenta en el modelado lógico En las Herramientas de Exploración

Dimensiones Una dimensión -> Muchos Hechos (role playing dimensions) Modelo Conceptual Tiempo de Compra Tiempo de Entrega Tiempo de Venta Venta Modelo Lógico Venta Fecha de Compra (FK) Fecha de Entrega (FK) Fecha de Venta (FK) Tiempo

Dimensiones Jerarquías Recursivas