Tesis Dirigida por






descargar 0.61 Mb.
títuloTesis Dirigida por
página2/9
fecha de publicación10.09.2015
tamaño0.61 Mb.
tipoTesis
m.exam-10.com > Economía > Tesis
1   2   3   4   5   6   7   8   9

DATA WAREHOUSE



Un Data Warehouse (DW) o Almacén de datos es una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de pespectivas y con grandes velocidades de respuesta. La creación de un datawarehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence. [4]
Los "almacenes de datos" son una tecnología relativamente reciente, encaminada a proporcionar metodologías para recopilar e integrar los datos históricos de una organización, cuyo fin es el análisis, la obtención de resúmenes e informes complejos y la extracción de conocimiento. Esta tecnología está diseñada especialmente para organizar grandes volúmenes de datos de procedencia generalmente estructurada (por ejemplo bases de datos relacionales).
La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se almacena la información (modelos de tablas en estrella, en copo de nieve, cubos relacionales, etc). Este tipo de persistencia de la información es homogénea y fiable, y permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno diferente a los sistemas operacionales).

La siguiente tabla describe las diferencias que se deben tener en cuenta para estructurar y diseñar almacenes de datos en comparación con las bases de datos transaccionales. [5]


Parámetros

Base de Datos Transaccional

Almacén de Datos

Propósito

Operaciones diarias. Soporte a las aplicaciones.

Recuperación de información, informes, análisis y minería de datos.

Tipo de datos

Datos de funcionamiento de la organización.

Datos útiles para el análisis, la sumarización, etc.

Características de los datos

Datos de funcionamiento, cambiantes, internos, incompletos.

Datos históricos, datos internos y externos, datos descriptivos.

Modelo de datos

Datos normalizados.

Datos en estrella, en copo de nieve, parcialmente desnormalizados, multidimensionales.

Número y tipo de usuarios

Cientos/miles: aplicaciones, operarios, administrador de la base de datos.

Decenas: directores, ejecutivos, analistas.

Acceso

SQL. Lectura y escritura.

SQL y herramientas propias (slice &

dice, drill, roll, pivot). Lectura.

Tabla 1. Diferencias entre las bases de datos transaccionales y los almacenes de datos.
Principales aportes de un data warehouse:


  • Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio.

  • Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información.

  • Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios.

  • Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente.

  • Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares.


Existen dos paradigmas en el campo del Data Warehousing, el paradigma de Bill Inmon y el paradigma de Ralph Kimball, ambos conocidos como los padres del Data Warehouse.
El paradigma de Inmon:

La tecnología de data warehouse, forma parte de los sistemas de inteligencia de negocio. Una empresa debe tener un Data Warehouse y varios Data Marts que se nutran de la información del Data Warehouse. En un Data Warehouse la información puede estar almacenada en 3ra Forma Normal. [2]
Según definió el propio Bill Inmon, un datawarehouse se caracteriza por ser:


  • Integrado: los datos almacenados en el datawarehouse deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. La información suele estructurarse también en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios.




  • Temático: sólo los datos necesarios para el proceso de generación del conocimiento del negocio se integran desde el entorno operacional. Los datos se organizan por temas para facilitar su acceso y entendimiento por parte de los usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser consolidados en una única tabla del datawarehouse. De esta forma, las peticiones de información sobre clientes serán más fáciles de responder dado que toda la información reside en el mismo lugar.

  • Histórico: el tiempo es parte implícita de la información contenida en un datawarehouse. En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del negocio en el momento presente. Por el contrario, la información almacenada en el datawarehouse sirve, entre otras cosas, para realizar análisis de tendencias. Por lo tanto, el datawarehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones.

  • No volátil: el almacén de información de un datawarehouse existe para ser leído, pero no modificado. La información es por tanto permanente, significando la actualización del datawarehouse la incorporación de los últimos valores que tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre lo que ya existía.


El paradigma de Kimball:

Un Data Warehouse es la unión de todos los Datamarts de las diferentes áreas de una empresa. La información se almacena siguiendo un modelo dimensional. [2]
Ambos paradigmas son válidos pero se considera al de Ralph Kimball como el más ajustado a la evolución de esta tecnología dado que la mayoría de las organizaciones por diversos motivos, casi siempre tiempo y costo de producción, comienzan por la implementación de varios Data Marts que posteriormente se integran en un Data Warehouse, y el modelo dimensional se ha convertido en un patrón de diseño muy difundido en esta tecnología.
Otra característica del datawarehouse es que contiene metadatos, es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la información, su periodicidad de refresco, su fiabilidad, forma de cálculo... etc.

Los metadatos serán los que permiten simplificar y automatizar la obtención de la información desde los sistemas operacionales a los sistemas informacionales.
Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido, son:

  • Dar soporte al usuario final, ayudándole a acceder al datawarehouse con su propio lenguaje de negocio, indicando qué información hay y qué significado tiene. Ayudar a construir consultas, informes y análisis, mediante herramientas de Business Intelligence como DSS, EIS o CMI.

  • Dar soporte a los responsables técnicos del datawarehouse en aspectos de auditoría, gestión de la información histórica, administración del datawarehouse, elaboración de programas de extracción de la información, especificación de las interfaces para la realimentación a los sistemas operacionales de los resultados obtenidos... etc.


Para comprender íntegramente el concepto de datawarehouse, es importante entender cual es el proceso de construcción del mismo, denominado ETL (Extracción, Transformación y Carga), a partir de los sistemas operacionales de una compañía:


  • Extracción: obtención de información de las distintas fuentes tanto internas como externas.

  • Transformación: filtrado, limpieza, depuración, homogeneización y agrupación de la información.

  • Carga: organización y actualización de los datos y los metadatos en la base de datos.


El desarrollo de los sistemas de información sustentados sobre bases de datos, ha traído como consecuencia la proliferación de herramientas de consultas cada vez más complejas. Por tanto, es necesario distinguir los diferentes tipos de procesamiento existentes: el procesamiento transaccional y el procesamiento analítico.

1   2   3   4   5   6   7   8   9

similar:

Tesis Dirigida por iconTesis dirigida por

Tesis Dirigida por iconTesis dirigida por: Mg. Carlos Zorrilla

Tesis Dirigida por iconLa Orquesta Sinfónica de Castilla y León retoma este jueves y viernes...

Tesis Dirigida por iconDirigida por armando suárez

Tesis Dirigida por iconColección dirigida por: Francisco Arellano

Tesis Dirigida por iconColección dirigida por Michi Strausfeld

Tesis Dirigida por iconInvestigación Dirigida para optar por el grado académico de Licenciatura...

Tesis Dirigida por iconColección dirigida por Guadalupe Arbona Abascal
Bajo las sanciones establecidas en las leyes, la reproducción total o parcial de esta obra por cualquier medio o procedimiento, incluidos...

Tesis Dirigida por iconEsta empresa será dirigida por un cuerpo directivo, que tendrá como...

Tesis Dirigida por iconTesis presentada por la magíster






© 2015
contactos
m.exam-10.com