1

TRABAJO ESCRITO

BASES DE DATOS OLAP

NOMBRES Y APELLIDOS

PROFESOR

INSTITUTO TECNOLÓGICO METROPOLITANO (ITM)

PROGRAMA

CIUDAD

AÑO
 2

QUE ES UN CUBO OLAP?

En el mundo de las soluciones para Business Intelligence, una de

las herramientas más utilizadas por las empresas son las aplicaciones OLAP, ya que

las mismas han sido creadas en función a bases de datos multidimensionales,

que permiten procesar grandes volúmenes de información, en campos bien definidos,

y con un acceso inmediato a los datos para su consulta y posterior análisis.

las herramientas OLAP proporcionan a las compañías un sistema confiable para

procesar datos que luego serán utilizados para llevar a cabo análisis e informes que

permitan mejorar las operaciones productivas, tomar decisiones inteligentes y

optimizar la competitividad en el mercado.

Sistemas ROLAP

La arquitectura ROLAP, accede a los datos almacenados en un datawarehouse para

proporcionar los análisis OLAP. La premisa de los sistemas ROLAP es que las

capacidades OLAP se soportan mejor contra las bases de datos relacionales.

El sistema ROLAP utiliza una arquitectura de tres niveles. La base de datos

relacional maneja los requerimientos de almacenamiento de datos, y el motor

ROLAP proporciona la funcionalidad analítica. El nivel de base de datos usa bases

de datos relacionales para el manejo, acceso y obtención del dato. El nivel de

 3

aplicación es el motor que ejecuta las consultas multidimensionales de los usuarios.

Sistemas MOLAP

Un desarrollo un poco más reciente ha sido la solución OLAP híbrida (HOLAP), la

cual combina las arquitecturas ROLAP y MOLAP para brindar una solución con las

mejores características de ambas: desempeño superior y gran escalabilidad. Un

tipo de HOLAP mantiene los registros de detalle (los volúmenes más grandes) en la

base de datos relacional, mientras que mantiene las agregaciones en un almacén

MOLAP separado.

Diferencias clave entre ROLAP y MOLAP

1. ROLAP significa Procesamiento analítico en línea relacional, mientras que;

MOLAP significa procesamiento analítico en línea multidimensional.

2. En ambos casos, los datos de ROLAP y MOLAP se almacenan en el almacén

principal.

3. En ROLAP, los datos se obtienen directamente del almacén principal, mientras

que en MOLAP, los datos se obtienen de las bases de datos patentadas MDDB.

4. En ROLAP, los datos se almacenan en forma de tablas relacionales, pero en

MOLAP los datos se almacenan en forma de una matriz multidimensional hecha de

cubos de datos.

5. ROLAP trata con grandes volúmenes de datos, mientras que MOLAP trata con
 4

resúmenes de datos limitados guardados en MDDB.

6. Los motores ROLAP utilizan SQL complejo para recuperar datos del almacén

de datos. Sin embargo, el motor MOLAP crea centros de datos prefabricados y

precalculados para presentar una vista multidimensional de los datos a un usuario y

para administrar la dispersión de datos en los cubos de datos, MOLAP utiliza la

tecnología de matriz dispersa.

7. El motor ROLAP crea una vista multidimensional de los datos de forma

dinámica, mientras que MOLAP almacena de forma estática la vista

multidimensional de los datos en bases de datos propietarias MDDB para que un

usuario pueda verlos desde allí.

8. Como ROLAP crea dinámicamente una vista de datos multidimensional, es

más lento que MOLAP, que no pierde tiempo en crear una vista de datos

multidimensional.

Los cubos olap

En el análisis multidimensional, los datos se representan mediante dimensiones como

destino, autobús, operador y tiempo. En general, las dimensiones se relacionan en

jerarquías, por ejemplo, ciudad, estado, región, país y continente. El tiempo también

es una dimensión estándar con sus propias jerarquías tales como: día, semana, mes,

trimestre y año.

Para tener una idea más simple de la función de los cubos OLAP dentro de una base

de datos multidimensional, cabe destacar que cada una de las dimensiones o escalas

del cubo corresponde básicamente a una jerarquía de datos.

 5

Pueden utilizarse otras dimensiones del cubo para recabar información referente a

situaciones geográficas, clasificación de los productos por categorías, gastos

realizados por la empresa, y demás.

Esta confluencia de la información permite llevar a cabo un análisis completo de

diversas situaciones, para obtener las soluciones correctas a los problemas de

negocios.

Mediante la incorporación de estos vectores o cubos, se han ampliado las

posibilidades de las bases de datos relacionales, permitiendo el procesamiento de

importantes volúmenes de información, de lo contrario sería imposible realizar dicha

actividad. Cada una de las dimensiones que posee la base de datos incorpora un

campo determinado para cierto tipo específico, que luego podrá ser comparado con la

información contenida en el resto de dimensiones, para hacer posible la evaluación y

posteriores informes de las actividades relevantes para una compañía.

Objetivo principal de OLAP

Es ofrecer a los usuarios una solución que permite agilizar de manera notable las

consultas y evaluaciones de la gran cantidad de datos que produce constantemente

una compañía, utilizando información proveniente de todos los sectores de la misma,

que confluye en un sistema central.

Es por ello, que la velocidad de respuesta que ofrece OLAP hace que las soluciones a

los posibles problemas surgidos durante los procesos productivos, y las

posteriores decisiones gerenciales, tengan lugar en tiempo y forma precisa.

 6

Ventajas

Varias son las ventajas que nos darán ventaja frente a los modelos relacionales

ordinarios, cuando hablemos de reportes rápidos y seguros.

Segmentar. Realizar una segmentación de los datos que disponemos, por ejemplo,

por trimestre o producto.

Profundizar: Se utiliza la herramienta denominada Drill Down, y con ella podemos

ir más allá de los datos que estamos viendo, es decir, si estamos analizando datos por

trimestres y tienes el dato del primer trimestre, puedes profundizar y comprobar el

desglose de los meses de enero, febrero y marzo.

Sintetizar: Utilizando la herramienta denominada Drill Up, se realiza la función

contrataría a la anterior, Drill Down, que hemos visto.

Rotar: Se utiliza la herramienta denominada Drill Anywhere para poder pasar de una

característica a otra perteneciente a una jerarquía distinta. Es decir, si estamos con los

desgloses por trimestres y, en vez de pasar a uno mensual lo que se quiere es ver el

desglose por familia de producto, por ejemplo, utilizaríamos esta herramienta.

Filtrar: Obtener, por ejemplo, un informe de ventas de un determinado país para un

año concreto.
 7

DESVENTAJAS

1. No permite cambios en su estructura.

2. Construcción cara. Es una base de datos cuyo costo es elevado por su alto nivel

de complejidad.

3. Los índices y sumarios no son mantenidos automáticamente

4. Los cálculos están limitados a las funciones de las bases de datos.

5. Son menos abiertos ya que tienen clientes propietarios.

EJEMPLO:

Un analista financiero podría querer ver los datos de diversas formas, por ejemplo,

visualizándolos en función de todas las ciudades (que podrían figurar en el eje de

abscisas) y todos los productos (en el eje de ordenadas), y esto podría ser para un

período determinado, para la versión y el tipo de gastos. Después de haber visto los

datos de esta forma particular el analista podría entonces querer ver los datos de otra

manera y poder hacerlo de forma inmediata. El cubo podría adoptar una nueva

orientación para que los datos aparezcan ahora en función de los períodos y el tipo de

coste. Debido a que esta reorientación implica resumir una cantidad muy grande de

datos, esta nueva vista de los datos se debe generar de manera eficiente para no
 8

malgastar el tiempo del analista, es decir, en cuestión de segundos, en lugar de las

horas que serían necesarias en una base de datos relacional convencional.