descripción de los posibles tipos de base de datos a usar (OLPT,

OLAP) y justificación de la elección (OLPT, OLAP o ambas).

Datos. Almacén. y. OLAP Uno de los enfoques más importantes para la integración de fuentes de

datos se basa en una arquitectura de depósito de datos. En esta arquitectura, los datos que
provienen de múltiples fuentes de datos externas (EDS) se extraen, filtran, fusionan y almacenan
en un depósito central, denominado almacén de datos (DW). Los datos también se enriquecen con
información histórica y sumaria. Desde un punto de vista tecnológico, un almacén de datos es una
gran base de datos de varios cientos de GB a varias docenas de TB. Gracias a esta arquitectura, los
usuarios operan en un repositorio de datos local, homogéneo y centralizado que reduce el tiempo
de acceso a los datos. Además, un almacén de datos es independiente de los EDS que pueden no
estar disponibles temporalmente. Sin embargo, un almacén de datos debe mantenerse
actualizado con respecto al contenido de los EDS, actualizándose periódicamente. El contenido de
un DW se analiza mediante las llamadas aplicaciones de procesamiento analítico en línea (OLAP)
con el fin de descubrir tendencias, patrones de comportamiento y anomalías, así como para
encontrar dependencias ocultas entre los datos. Los resultados de estos análisis son la base para
tomar varias decisiones comerciales. El análisis de mercado de la demanda y la oferta es uno de
los pasos importantes para tomar decisiones estratégicas en una empresa. Del mismo modo, un
análisis del desarrollo y el curso de las enfermedades, así como el impacto de diferentes
medicamentos en el curso de las enfermedades, es indispensable para elegir los métodos de
tratamiento más eficientes. Muchas otras aplicaciones incluyen, entre otras: bolsa de valores,
banca, seguros, gestión de energía y ciencia. Los almacenes de datos y las aplicaciones OLAP son
componentes centrales de los sistemas de soporte de decisiones. Desde finales de la década de
1980, cuando se desarrolló la tecnología de almacenamiento de datos, la mayoría de las grandes y
medianas empresas en todo el mundo han estado construyendo sus propios DW en sus
infraestructuras de sistemas de información y han estado aplicando con éxito esta tecnología en
los negocios. Los principales sistemas de administración de bases de datos disponibles
comercialmente (por ejemplo, Oracle9i / 10g, IBM DB2 UDB, Sybase IQ, Computer Associates
CleverPath OLAP, NCR Teradata Database, Hyperion Essbase OLAP Server, MS SQL Server, SAP
Business Warehouse, SAS Enterprise BI Server) incluyen el DW y tecnologías OLAP en sus motores
de bases de datos. Sin embargo, a pesar de algunos logros sustanciales en esta tecnología, todavía
es y será un campo tecnológico y de investigación muy activo. El Informe OLAP (2004) estima que
el mercado OLAP mundial total creció constantemente de menos de $ 1 mil millones en 1994 a
menos de $ 5 mil millones en 2005, y crecerá hasta $ 6 mil millones en 2007. La encuesta del
Grupo META (actualmente Gartner) estima que El mercado OLAP tendrá un valor de casi $ 10 mil
millones en 2008 (EDWMarket, 2004). Por estas razones, es importante comprender los problemas
y desafíos tecnológicos centrales en el campo de DW y OLAP.

OLAP (On-Line Analytical Process)

Son aplicaciones que se encargan de analizar datos del negocio para generar información táctica y
estratégica que sirve de soporte para la toma de decisiones. Mientras que las transacciones OLTP
utilizan Bases de Datos Relacionales u otro tipo de archivos, OLAP logra su máxima eficiencia y
flexibilidad operando sobre Bases de datos Multidimensionales.
Podemos nombrar las siguientes características como las más sobresalientes de estas aplicaciones:
- Estructura de datos transparente al usuario
- Solo Consulta, trabajan sobre la información operacional generada por los sistemas OLTP
- Consultas sobre grandes volúmenes de datos no predecibles
- Información histórica
- Modo de actualización Batch
- Alta redundancia de datos para facilitar la generación de consultas y obtener buenos tiempos de
respuesta
-Trabaja con resúmenes de miles de registros condensados en una sola respuesta

Data Marts

Una vez contando con la base de información empresarial integrada y, a partir de esta, se crean
subconjuntos de datos con el propósito de ayudar a que un área específica dentro del negocio
pueda tomar mejores decisiones. Los datos existentes en este contexto pueden ser su marizados,
agrupados, explorados y reportados de múltiples formas para que diversos grupos de usuarios
realicen la explotación de los mismos.
riesgos para luego ir ampliando su espectro gradualmente.

Arquitectura del Data Warehouse

Es un modelo multidimensional basado en tecnología OLAP, incluyendo variables claves y los

indicadores claves para el proceso de toma de decisiones.

Diferencias entre OLTP y OLAP

Mientras que las aplicaciones OLTP se caracterizan por estar actualizadas constantemente por
varios usuarios a través de transacciones operacionales sobre datos individuales, las aplicaciones
OLAP son utilizadas por personal de niveles ejecutivos que requieren datos con alto grado de
agregación y desde distintas perspectivas (dimensiones), como ser: totales de venta por región,
por producto, por período de tiempo

Data Warehouses and OLAP: Concepts, Architectures and

Solutions
Wrembel, Robert
Publicado por IRM Press  actualizado (2017)

https://epdf.tips/data-warehouses-and-olap-concepts-architectures-and-solutions38494.html

Areas de Investigación, Data Warehousing y Tecnología OLAP

http://artemisa.unicauca.edu.co/~ecaldon/docs/bd/fundamentosdedatawarehouse.pdf