Data Warehouse and Data Mining DW-DM-GIS PDF

Por qu DW y DM?
Data Warehouse and Data

Mining
Jos A. Royo
http://www.cps.unizar.es/~jaroyo
email: joalroyo@unizar.es
Departamento de Informtica e Ingeniera de Sistemas
Mayor poder de procesamiento y

sofisticacin de herramientas
Demanda de mejora del acceso a datos
Necesidad de informacin para la toma de
decisiones
Recopilacin de informacin Alto Coste
Sistemas de Informacin-2003
Jos Alberto Royo
Informacin en las empresas

La Informacin proviene de fuentes internas
(sistemas de produccin) y externas (hasta un
20%)
Problemas
Data Warehouse
Saturacin de informacin
Difcil de acceder
No selectiva
La informacin se necesita para:

Competir (comparacin con otros productos)
Personalizar (simular que cada cliente es nico)
Jos Alberto Royo
Jos Alberto Royo
Data Warehouse
Data Warehouse
Definicin: coleccin de datos orientados al

tema, integrados, no voltiles e historiados,
organizados para el apoyo de un proceso de
ayuda a la decisin
Se guarda toda la informacin til
(proveniente de varia fuentes) en un nico
lugar
Orientacin al tema
Jos Alberto Royo
Data Warehouse
Disponer de toda la informacin sobre un tema

No organizar los datos segn los procesos
funcionales
La informacin comn a varios temas no debe

duplicarse
Los Data Mart apoyan la orientacin al tema
BD orientada al tema puesta a disposicin de los
usuarios en un contexto de decisin descentralizado
Jos Alberto Royo
Data Warehouse
Datos integrados:
Datos no voltiles:
Los datos deben formatearse y unificarse para

llegar a un estado coherente
Consecuencia de la historilizacin
Ej.: consolidar todas las informaciones respecto a un

cliente
Datos historiados
= consulta en = periodo = resultado

Sistemas de produccin no voltiles
Infocentro:
Los datos no se actualizan nunca
similar al Data Warehouse pero centrado en el

sistema de produccin
representan un valor en un momento concreto
Los datos se referencian temporalmente

Jos Alberto Royo
Jos Alberto Royo
Datos
Data Warehouse: Estructura
Matrices Multidimensionales o hipercubos

Varia clases de datos
Ej.: periodo impositivo, producto y regin

Pivotacin: cambio de orientacin de los ejes
Datos fuertemente agregados
Datos detallados historiados
REG5
REG5
P2
Datos: Representaciones
Jerrquicas
Jos Alberto Royo
P2
P1
TR2
Jos Alberto Royo
REG4
TR1
REG2 REG3
Regin
REG1
Estructura multidimensional
REG1
P1
REG2 REG3
Nivel de historial
TR1
REG4
TR2
Datos detallados
Producto Tr
im
est
re
Metadatos
Nivel de sntesis
Datos agregados
10
Datos: Representacin fsica

2 Tablas
Exploracin ascendente (roll-up)
Tabla de dimensiones
Tabla de hechos
Agrupacin de datos
Ej.: Agrupar datos mensuales en trimestrales
Tipos de esquema
Exploracin Descendente (drill-down)
Esquema de estrella:
Divisin de datos
Tabla de hechos con una nica tabla para cada

dimensin
Ej.: Ventas nacionales provinciales
Esquema de copos
Tablas dimensinales organizadas jerrquicamente
Jos Alberto Royo
11
Jos Alberto Royo
12
Construccin de un Data
Warehouse
DW: Caractersticas
Salvado de datos limpios
Adquisicin: Recopilar informacin de varias

fuentes y unificarla
OLAP
Extraccin
Preparacin (formateo y limpieza)
Carga
DATOS
Limpieza
Bases de Datos
Reformateo
MINERIA
DE DATOS
Almacenamiento: basado en un SGBD

El historial influir en la estructura fsica
Otras entradas de datos

Actualizaciones/Nuevos Datos
Acceso: distintos grupos de usuarios requerirn

distintas consultas
Jos Alberto Royo
13
OLTP y OLAP
Jos Alberto Royo
14
EIS (Executive Information Systems o

sistemas de informacin ejecutiva)
Ayuda para la toma de decisiones
Dan datos de nivel superior
Transacciones predeterminadas
Utiliza pocas tablas
OLAP (On-Line Analytical Processing): entorno

de ayuda a la decisin (anlisis de datos)
DW preparado para OLAP y DSS
Transacciones muy variadas

Manejan volmenes grandes de datos (+tiempo)
Se relacionan datos aparentemente sin relacin
Jos Alberto Royo
DSS: Decision Support Systems
OLTP (On-Line Transactionnel Processing):

entorno donde las respuestas se darn en un
tiempo aceptable y sern consistentes
DSS
METADATOS
15
Jos Alberto Royo
16
Factores de xito del DW
Diferencias entre DW y vistas

DW son un almacenamiento permanente
Integra datos de produccin con datos externos y

gestiona historiales
Contiene la informacin til
Los datos son coherentes, actualizados y
documentados (calidad)
Ofrece acceso directo a los usuarios
Aumenta el nmero de accesos
Da una flexibilidad que apoya el crecimiento
Vistas Construidas cuando es necesario
DW son multidimensionales
Vistas suelen ser relacionales
DW son indexados para optimizar su rendimiento

Vistas son indexadas dependiendo de la BD subyacente
DW dan unas funcionalidades especificas

Las vistas no
DW poseen grandes cantidades de datos

integrados y temporales
De usuarios, herramientas y volumen
Vistas son extractos de la BD

Jos Alberto Royo
17
Errores a evitar
Jos Alberto Royo
Jos Alberto Royo
18
Implementacin: Dificultades
Cargar datos solamente porque estn

disponibles (podran ser no tiles)
Crear el esquema de la BD de forma
tradicional
Crearlo pensando en la tecnologa usada
Concentrarse en los datos internos
Creer que los problemas acaban una vez
instalado el Data Warehouse
Alto coste
Urgente ayuda para la toma de decisiones
Data Mart
Gran coste de mantenimiento
Cambio de necesidades
Nuevas fuentes de datos
Cambio de la capacidad
Cambio de tecnologa
Control de calidad de los datos

Heterogeneidad e Integracin de datos
19
Jos Alberto Royo
20
Bibliografa
J.M. Franco. EDS-Institut Promthus, El
Data Warehouse. El Data Mining,
Eyrolles,1997.
Jos Alberto Royo
Data Mining
21
Data Mining
Jos Alberto Royo
Jos Alberto Royo
22
Data Mining: Visin General
Bsqueda de informacin relevante

(conocimiento) en grandes volmenes de datos
Descubrir de forma automtica las reglas
estadsticas y pautas de un conjunto de datos
Diferencia con machine learning? Grandes
volmenes de datos grabados en disco
Objetivo obtener un conjunto de reglas
Data Mining y Data Warehouse

Bsqueda automtica de relaciones
Extraccin de patrones
Descubrimiento de conocimiento (Fases)
23
Seleccin de datos
Limpieza de datos
Transformacin/Codificacin de datos
Minera de Datos
Presentacin visualizacin
Jos Alberto Royo
24
Resultados del Data Mining
Objetivos del Data Mining
Descubrir
Prediccin
Ej.: que compraran los clientes bajo determinados
descuentos
Reglas de asociacin
Patrones secuenciales
rboles de clasificacin
Identificacin
Ej.: secuencia de nucletidos presencia gen
Presentacin de Resultados
Clasificacin
Listas
Representaciones Grficas
Tablas resumen
Optimizacin
Jos Alberto Royo
Ej.: clientes que buscan descuentos, fieles y ocasionales

utilizacin de recursos limitados: tiempo, espacio,
dinero, etc.
25
Conocimiento Descubierto
Jos Alberto Royo
26
Tipos de reglas
X antecedente consecuente
Reglas de asociacin
Ej.: Compra bolso Compra zapatos
X: lista de una o varias variables con rangos asociados

Ej.: transaccin T, compra(T,pan)
compra(T,leche)
Jerarquas de clasificacin
Ej.: Clasificacin de los clientes de un banco
Ej.: Cmara digital Memorias MMC
Patrones de series de tiempo

Ej.: Aumento de ventas de automviles antes del verano
Categorizacin y segmentacin
Rango de las variables poblacin

Soporte: porcentaje de la poblacin que cumple el
antecedente o el consecuente
Confianza: porcentaje con que el consecuente es
cierto al serlo el antecedente
Ej.: nios, jvenes, adultos y jubilados

Jos Alberto Royo
27
Jos Alberto Royo
28
Data Mining Automtico
Clasificacin
Comienza con una muestra de datos de
clasificacin conocida
Los datos se dividen segn uno de sus atributos,
sucesivamente
Descubrimiento automtico de reglas

Tcnicas de machine learning, adaptadas
para grandes volmenes de datos
Tres tipos de problemas:
Atributos enumerados un conjunto por valor

Atributos con rango numrico intervalos
Clasificacin: reglas que dividan en grupos
Resultado: rbol de clasificacin (taxonoma)

Hasta usar todos los atributos o clasificar
correctamente los datos
Asociaciones: X Y
Correlaciones entre series
Jos Alberto Royo
29
Asociaciones
Jos Alberto Royo
30
Asociaciones negativas
Ej.: el 60% de los clientes que compran
patatas fritas no compran agua mineral
Si no combinacin de elementos
asociacin negativa
Se genera un mapa de bits para cada transaccin

(un bit para cada artculo a estudiar)
Nos quedamos con los artculos ms adquiridos
Se generan todos los subconjuntos posibles de
artculos y se cuenta el nmero de transacciones
Los subconjuntos con un numero alto de
transacciones generan las reglas
Tenemos muchsimas reglas sin ningn inters
Utilizar conocimiento previo del problema

Optimizaciones
Muestreo
Jos Alberto Royo
31
Jos Alberto Royo
32
Data Mining Guiado por el

Usuario
Otras Tcnicas
Regresin
El usuario plantea hiptesis

El sistema comprueba si se verifica o no
Las hiptesis se pueden ir refinando
La visualizacin grfica de datos ayuda al
usuario a examinar grandes volmenes de
datos
Jos Alberto Royo
Estadstica
Establecimiento de probabilidades
Redes neuronales
Entrenar la red
Reconocer los patrones segn el entrenamiento
Algoritmos genticos
33
Algoritmos probabilistas
Poblacin inicial
Sobreviven los mejores
Obtenemos datos en cada iteracin
Aplicaciones
Jos Alberto Royo
34
Bibliografa
Marketing
Comportamiento del consumidor basado en patrones de
compra
Finanzas
Anlisis de rendimiento de operaciones
Solvencia de clientes
Valoracin de opciones de financiacin
Fabricacin

Eyrolles,1997.
R.A. Elmasri, S.B. Navathe, Fundamentos
de Sistemas de Bases de Datos, 3 ed.,
Addison-Wesley,2000.
Optimizacin de recursos: maquinaria, mano de obra,

materiales
Optimizacin del proceso de fabricacin
Jos Alberto Royo
35
Jos Alberto Royo
36
Sist. de Inf. Geogrfica (GIS)

Sistemas que relacionan, almacenan,
manipulan y visualizan informacin
referenciada geogrficamente
Sistemas de informacin que manejan datos
espaciales
Sistemas de Informacin
Geogrfica
Jos Alberto Royo
joalroyo@unizar.es
Algunos datos son referencias espaciales o

coordenadas geogrficas
Poseen operadores para manejar dichos datos
espaciales
GIS: Categoras
Multidimensional (x,y,z,t,...)
Voluminosidad
Naturaleza inexacta (no hay representaciones
exactas de la Tierra)
Las preguntas combinan topologa, geografa y
otros atributos, con informacin aproximada
Combinan distintos contextos legales y
econmicos (varan de un pas a otro)
Variedad de datos: caractersticas del suelo, densidad de

cultivo,calidad del aire
Representacin basada en campos
Superposicin de capas
2. Aplicaciones para el modelado digital de

terrenos
Variedad de datos
3. Aplicaciones de Objetos geogrficos
38
Informacin espacial
1. Aplicaciones Cartogrficas
Jos Alberto Royo
Objetos fsicos: centrales elctricas, hospitales, etc.

Representacin basada en objetos
Jos Alberto Royo
39
Jos Alberto Royo
40
10
Mapas
GIS: Operaciones sobre los Datos

Interpolacin
Obtencin de datos de elevacin no obtenidos en la
muestra
Estructuracin
Vectores (+verstil, -fcil de crear)
Interpretacin
Creados con paneles digitalizadores
Cierre de polgonos
Definicin, reduccin y mejora de detalles
Rasters (-verstil, +fcil de crear)

Cada celda almacena el tipo de terreno
Creados mediante scanning
Anlisis de proximidad
Clculo de zonas de inters
Se puede pasar de un formato a otro (con un cierto

error)
Procesamiento de imgenes en una matriz de

puntos
Reconocimiento de formas en un raster vectores

Pixelizacin de vectores raster
Jos Alberto Royo
Integrar caractersticas geogrficas en distintas capas

Anlisis digital de imgenes
41
Otras funcionalidades
42
Preguntas a los GIS
Continua evolucin de los sistemas GIS
Qu hay en cierta posicin?

Dnde hay cierto elemento?
Muestra zonas que cuyos atributos cumplen
ciertas condiciones
Generacin de nuevos grficos
Jos Alberto Royo
Extensibilidad
dnde estoy?
Problema debido a la variedad de tipos de datos
Visualizacin
1. Contorneado
Isolneas
mapas de elevacin, densidad de poblacin, etc.
2. Sombreado de montaas
Mtodo de iluminacin empleado para representar relieves
3. Visualizaciones de perspectivas
Imgenes tridimensionales
Jos Alberto Royo
43
Jos Alberto Royo
44
11
Utilidad de los GIS
GIS: Trabajo Futuro

Nuevas arquitecturas:
Generacin de mapas
Seleccin de lugares
Creacin de planes de emergencia
Distribucin de datos
Separacin de datos espaciales y no espaciales
Versionado
Ej.: Qu pasa si construimos una autopista?
Ante terremotos u otras catstrofes
Estndares de Datos
Simulacin de transformaciones
medioambientales
Compartir de datos
Aplicaciones especficas
Cambio en paisajes ante tneles, obras,

urbanizaciones, etc.
Tipos de datos distintos
Ausencia de semntica en las estructuras de datos

Vas de sentido nico
Jos Alberto Royo
45
Jos Alberto Royo
46
Bibliografa
Keith C. Clarke, Getting Started with
GIS, Prentice-Hall, 1997, ISBN 0-13-294786-2.
http://www.usgs.gov/research/gis/title.html
Jos Alberto Royo
47
12
Por qu DW y DM?
Data Warehouse and Data

Mining
Jos A. Royo
http://www.cps.unizar.es/~jaroyo
email: joalroyo@unizar.es
Mayor poder de procesamiento y

sofisticacin de herramientas
Demanda de mejora del acceso a datos
Necesidad de informacin para la toma de
decisiones
Recopilacin de informacin Alto Coste
Jos Alberto Royo
Informacin en las empresas

La Informacin proviene de fuentes internas
(sistemas de produccin) y externas (hasta un
20%)
Problemas
Data Warehouse
Saturacin de informacin
Difcil de acceder
No selectiva
La informacin se necesita para:

Competir (comparacin con otros productos)
Personalizar (simular que cada cliente es nico)
Jos Alberto Royo
Jos Alberto Royo
Data Warehouse
Data Warehouse
Definicin: coleccin de datos orientados al

tema, integrados, no voltiles e historiados,
organizados para el apoyo de un proceso de
ayuda a la decisin
Se guarda toda la informacin til
(proveniente de varia fuentes) en un nico
lugar
Orientacin al tema
Jos Alberto Royo
Data Warehouse
Disponer de toda la informacin sobre un tema

No organizar los datos segn los procesos
funcionales
La informacin comn a varios temas no debe

duplicarse
Los Data Mart apoyan la orientacin al tema
BD orientada al tema puesta a disposicin de los
usuarios en un contexto de decisin descentralizado
Jos Alberto Royo
Data Warehouse
Datos integrados:
Datos no voltiles:
Los datos deben formatearse y unificarse para

llegar a un estado coherente
Consecuencia de la historilizacin
Ej.: consolidar todas las informaciones respecto a un

cliente
Datos historiados
= consulta en = periodo = resultado

Sistemas de produccin no voltiles
Infocentro:
Los datos no se actualizan nunca
similar al Data Warehouse pero centrado en el

sistema de produccin
representan un valor en un momento concreto
Los datos se referencian temporalmente

Jos Alberto Royo
Jos Alberto Royo
Datos
Data Warehouse: Estructura
Matrices Multidimensionales o hipercubos

Varia clases de datos
Ej.: periodo impositivo, producto y regin

Pivotacin: cambio de orientacin de los ejes
Datos fuertemente agregados
Datos detallados historiados
REG5
REG5
P2
Datos: Representaciones
Jerrquicas
Jos Alberto Royo
P2
P1
TR2
Jos Alberto Royo
REG4
TR1
REG2 REG3
Regin
REG1
Estructura multidimensional
REG1
P1
REG2 REG3
Nivel de historial
TR1
REG4
TR2
Datos detallados
Producto Tr
im
est
re
Metadatos
Nivel de sntesis
Datos agregados
10
Datos: Representacin fsica

2 Tablas
Exploracin ascendente (roll-up)
Tabla de dimensiones
Tabla de hechos
Agrupacin de datos
Ej.: Agrupar datos mensuales en trimestrales
Tipos de esquema
Exploracin Descendente (drill-down)
Esquema de estrella:
Divisin de datos
Tabla de hechos con una nica tabla para cada

dimensin
Ej.: Ventas nacionales provinciales
Esquema de copos
Tablas dimensinales organizadas jerrquicamente
Jos Alberto Royo
11
Jos Alberto Royo
12
Construccin de un Data
Warehouse
DW: Caractersticas
Salvado de datos limpios
Adquisicin: Recopilar informacin de varias

fuentes y unificarla
OLAP
Extraccin
Preparacin (formateo y limpieza)
Carga
DATOS
Limpieza
Bases de Datos
Reformateo
MINERIA
DE DATOS
Almacenamiento: basado en un SGBD

El historial influir en la estructura fsica
Otras entradas de datos

Actualizaciones/Nuevos Datos
Acceso: distintos grupos de usuarios requerirn

distintas consultas
Jos Alberto Royo
13
OLTP y OLAP
Jos Alberto Royo
14
EIS (Executive Information Systems o

sistemas de informacin ejecutiva)
Ayuda para la toma de decisiones
Dan datos de nivel superior
Transacciones predeterminadas
Utiliza pocas tablas
OLAP (On-Line Analytical Processing): entorno

de ayuda a la decisin (anlisis de datos)
DW preparado para OLAP y DSS
Transacciones muy variadas

Manejan volmenes grandes de datos (+tiempo)
Se relacionan datos aparentemente sin relacin
Jos Alberto Royo
DSS: Decision Support Systems
OLTP (On-Line Transactionnel Processing):

entorno donde las respuestas se darn en un
tiempo aceptable y sern consistentes
DSS
METADATOS
15
Jos Alberto Royo
16
Factores de xito del DW
Diferencias entre DW y vistas

DW son un almacenamiento permanente
Integra datos de produccin con datos externos y

gestiona historiales
Contiene la informacin til
Los datos son coherentes, actualizados y
documentados (calidad)
Ofrece acceso directo a los usuarios
Aumenta el nmero de accesos
Da una flexibilidad que apoya el crecimiento
Vistas Construidas cuando es necesario
DW son multidimensionales
Vistas suelen ser relacionales
DW son indexados para optimizar su rendimiento

Vistas son indexadas dependiendo de la BD subyacente
DW dan unas funcionalidades especificas

Las vistas no
DW poseen grandes cantidades de datos

integrados y temporales
De usuarios, herramientas y volumen
Vistas son extractos de la BD

Jos Alberto Royo
17
Errores a evitar
Jos Alberto Royo
Jos Alberto Royo
18
Implementacin: Dificultades
Cargar datos solamente porque estn

disponibles (podran ser no tiles)
Crear el esquema de la BD de forma
tradicional
Crearlo pensando en la tecnologa usada
Concentrarse en los datos internos
Creer que los problemas acaban una vez
instalado el Data Warehouse
Alto coste
Urgente ayuda para la toma de decisiones
Data Mart
Gran coste de mantenimiento
Cambio de necesidades
Nuevas fuentes de datos
Cambio de la capacidad
Cambio de tecnologa

Heterogeneidad e Integracin de datos
19
Jos Alberto Royo
20
Bibliografa
Eyrolles,1997.
Jos Alberto Royo
Data Mining
21
Data Mining
Jos Alberto Royo
Jos Alberto Royo
22
Data Mining: Visin General
Bsqueda de informacin relevante

(conocimiento) en grandes volmenes de datos
Descubrir de forma automtica las reglas
estadsticas y pautas de un conjunto de datos
Diferencia con machine learning? Grandes
volmenes de datos grabados en disco
Objetivo obtener un conjunto de reglas
Data Mining y Data Warehouse

Bsqueda automtica de relaciones
Extraccin de patrones
Descubrimiento de conocimiento (Fases)
23
Seleccin de datos
Limpieza de datos
Transformacin/Codificacin de datos
Minera de Datos
Presentacin visualizacin
Jos Alberto Royo
24
Resultados del Data Mining
Objetivos del Data Mining
Descubrir
Prediccin
Ej.: que compraran los clientes bajo determinados
descuentos
Reglas de asociacin
rboles de clasificacin
Identificacin
Ej.: secuencia de nucletidos presencia gen
Presentacin de Resultados
Clasificacin
Listas
Representaciones Grficas
Tablas resumen
Optimizacin
Jos Alberto Royo
Ej.: clientes que buscan descuentos, fieles y ocasionales

utilizacin de recursos limitados: tiempo, espacio,
dinero, etc.
25
Conocimiento Descubierto
Jos Alberto Royo
26
Tipos de reglas
X antecedente consecuente
Reglas de asociacin
Ej.: Compra bolso Compra zapatos
X: lista de una o varias variables con rangos asociados

Ej.: transaccin T, compra(T,pan)
compra(T,leche)
Jerarquas de clasificacin
Ej.: Clasificacin de los clientes de un banco
Ej.: Cmara digital Memorias MMC
Patrones de series de tiempo

Ej.: Aumento de ventas de automviles antes del verano
Categorizacin y segmentacin
Rango de las variables poblacin

Soporte: porcentaje de la poblacin que cumple el
antecedente o el consecuente
Confianza: porcentaje con que el consecuente es
cierto al serlo el antecedente
Ej.: nios, jvenes, adultos y jubilados

Jos Alberto Royo
27
Jos Alberto Royo
28
Data Mining Automtico
Clasificacin
Comienza con una muestra de datos de
clasificacin conocida
Los datos se dividen segn uno de sus atributos,
sucesivamente
Descubrimiento automtico de reglas

Tcnicas de machine learning, adaptadas
para grandes volmenes de datos
Tres tipos de problemas:
Atributos enumerados un conjunto por valor

Atributos con rango numrico intervalos
Clasificacin: reglas que dividan en grupos
Resultado: rbol de clasificacin (taxonoma)

Hasta usar todos los atributos o clasificar
correctamente los datos
Asociaciones: X Y
Correlaciones entre series
Jos Alberto Royo
29
Asociaciones
Jos Alberto Royo
30
Asociaciones negativas
Ej.: el 60% de los clientes que compran
patatas fritas no compran agua mineral
Si no combinacin de elementos
asociacin negativa
Se genera un mapa de bits para cada transaccin

(un bit para cada artculo a estudiar)
Nos quedamos con los artculos ms adquiridos
Se generan todos los subconjuntos posibles de
artculos y se cuenta el nmero de transacciones
Los subconjuntos con un numero alto de
transacciones generan las reglas
Tenemos muchsimas reglas sin ningn inters
Utilizar conocimiento previo del problema

Optimizaciones
Muestreo
Jos Alberto Royo
31
Jos Alberto Royo
32
Data Mining Guiado por el

Usuario
Otras Tcnicas
Regresin
El usuario plantea hiptesis

El sistema comprueba si se verifica o no
Las hiptesis se pueden ir refinando
La visualizacin grfica de datos ayuda al
usuario a examinar grandes volmenes de
datos
Jos Alberto Royo
Estadstica
Establecimiento de probabilidades
Redes neuronales
Entrenar la red
Reconocer los patrones segn el entrenamiento
Algoritmos genticos
33
Algoritmos probabilistas
Poblacin inicial
Sobreviven los mejores
Obtenemos datos en cada iteracin
Aplicaciones
Jos Alberto Royo
34
Bibliografa
Marketing
Comportamiento del consumidor basado en patrones de
compra
Finanzas
Anlisis de rendimiento de operaciones
Solvencia de clientes
Valoracin de opciones de financiacin
Fabricacin

Eyrolles,1997.
R.A. Elmasri, S.B. Navathe, Fundamentos
de Sistemas de Bases de Datos, 3 ed.,
Addison-Wesley,2000.
Optimizacin de recursos: maquinaria, mano de obra,

materiales
Optimizacin del proceso de fabricacin
Jos Alberto Royo
35
Jos Alberto Royo
36
Sist. de Inf. Geogrfica (GIS)

Sistemas que relacionan, almacenan,
manipulan y visualizan informacin
referenciada geogrficamente
Sistemas de informacin que manejan datos
espaciales
Sistemas de Informacin
Geogrfica
Jos Alberto Royo
joalroyo@unizar.es
Algunos datos son referencias espaciales o

coordenadas geogrficas
Poseen operadores para manejar dichos datos
espaciales
GIS: Categoras
Multidimensional (x,y,z,t,...)
Voluminosidad
Naturaleza inexacta (no hay representaciones
exactas de la Tierra)
Las preguntas combinan topologa, geografa y
otros atributos, con informacin aproximada
Combinan distintos contextos legales y
econmicos (varan de un pas a otro)
Variedad de datos: caractersticas del suelo, densidad de

cultivo,calidad del aire
Superposicin de capas
2. Aplicaciones para el modelado digital de

terrenos
Variedad de datos
3. Aplicaciones de Objetos geogrficos
38
Informacin espacial
1. Aplicaciones Cartogrficas
Jos Alberto Royo
Objetos fsicos: centrales elctricas, hospitales, etc.

Representacin basada en objetos
Jos Alberto Royo
39
Jos Alberto Royo
40
10
Mapas
GIS: Operaciones sobre los Datos

Interpolacin
Obtencin de datos de elevacin no obtenidos en la
muestra
Estructuracin
Vectores (+verstil, -fcil de crear)
Interpretacin
Creados con paneles digitalizadores
Cierre de polgonos
Definicin, reduccin y mejora de detalles
Rasters (-verstil, +fcil de crear)

Cada celda almacena el tipo de terreno
Creados mediante scanning
Anlisis de proximidad
Clculo de zonas de inters
Se puede pasar de un formato a otro (con un cierto

error)
Procesamiento de imgenes en una matriz de

puntos
Reconocimiento de formas en un raster vectores

Pixelizacin de vectores raster
Jos Alberto Royo
Integrar caractersticas geogrficas en distintas capas

Anlisis digital de imgenes
41
Otras funcionalidades
42
Preguntas a los GIS
Continua evolucin de los sistemas GIS
Qu hay en cierta posicin?

Dnde hay cierto elemento?
Muestra zonas que cuyos atributos cumplen
ciertas condiciones
Generacin de nuevos grficos
Jos Alberto Royo
Extensibilidad
dnde estoy?
Problema debido a la variedad de tipos de datos
Visualizacin
1. Contorneado
Isolneas
mapas de elevacin, densidad de poblacin, etc.
2. Sombreado de montaas
Mtodo de iluminacin empleado para representar relieves
3. Visualizaciones de perspectivas
Imgenes tridimensionales
Jos Alberto Royo
43
Jos Alberto Royo
44
11
Utilidad de los GIS
GIS: Trabajo Futuro

Nuevas arquitecturas:
Generacin de mapas
Seleccin de lugares
Creacin de planes de emergencia
Distribucin de datos
Separacin de datos espaciales y no espaciales
Versionado
Ej.: Qu pasa si construimos una autopista?
Ante terremotos u otras catstrofes
Estndares de Datos
Simulacin de transformaciones
medioambientales
Compartir de datos
Aplicaciones especficas
Cambio en paisajes ante tneles, obras,

urbanizaciones, etc.
Tipos de datos distintos
Ausencia de semntica en las estructuras de datos

Vas de sentido nico
Jos Alberto Royo
45
Jos Alberto Royo
46
Bibliografa
Keith C. Clarke, Getting Started with
GIS, Prentice-Hall, 1997, ISBN 0-13-294786-2.
http://www.usgs.gov/research/gis/title.html
Jos Alberto Royo
47
12

Data Warehouse and Data Mining DW-DM-GIS PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Data Warehouse and Data Mining DW-DM-GIS PDF

Cargado por

Copyright:

Formatos disponibles

Por qu DW y DM?

Data Warehouse and Data

Mayor poder de procesamiento y

Jos Alberto Royo

Informacin en las empresas

La informacin se necesita para:

Jos Alberto Royo

Jos Alberto Royo

Definicin: coleccin de datos orientados al

Jos Alberto Royo

Disponer de toda la informacin sobre un tema

La informacin comn a varios temas no debe

Los datos deben formatearse y unificarse para

Ej.: consolidar todas las informaciones respecto a un

= consulta en = periodo = resultado

Los datos no se actualizan nunca

similar al Data Warehouse pero centrado en el

representan un valor en un momento concreto

Los datos se referencian temporalmente

Jos Alberto Royo

Jos Alberto Royo

Data Warehouse: Estructura

Matrices Multidimensionales o hipercubos

Ej.: periodo impositivo, producto y regin

Datos fuertemente agregados

Datos detallados historiados

Jos Alberto Royo

Jos Alberto Royo

Datos: Representacin fsica

Exploracin ascendente (roll-up)

Exploracin Descendente (drill-down)

Tabla de hechos con una nica tabla para cada

Ej.: Ventas nacionales provinciales

Jos Alberto Royo

Jos Alberto Royo

Adquisicin: Recopilar informacin de varias

Almacenamiento: basado en un SGBD

Otras entradas de datos

Acceso: distintos grupos de usuarios requerirn

Jos Alberto Royo

Jos Alberto Royo

EIS (Executive Information Systems o

OLAP (On-Line Analytical Processing): entorno

DW preparado para OLAP y DSS

Transacciones muy variadas

DSS: Decision Support Systems

OLTP (On-Line Transactionnel Processing):

Jos Alberto Royo

Factores de xito del DW

Diferencias entre DW y vistas

Integra datos de produccin con datos externos y

Vistas Construidas cuando es necesario

DW son indexados para optimizar su rendimiento

DW dan unas funcionalidades especificas

DW poseen grandes cantidades de datos

De usuarios, herramientas y volumen

Vistas son extractos de la BD

Jos Alberto Royo

Jos Alberto Royo

Jos Alberto Royo

Cargar datos solamente porque estn

Gran coste de mantenimiento

Control de calidad de los datos