Introducción

A finales de los años setenta apareció el primer gran tipo de SI, cuyo propósito era básicamente
decisorio, los sistemas de información de ayuda a la toma de decisión (SIATD), que también se
conocen por las siglas de su nombre en inglés: DSS (Decision Support System).

Estos sistemas surgen a partir del esfuerzo de investigación y de desarrollo de los sistemas de
gestión de bases de datos, con el fin de aprovechar mejor los datos almacenados, y de los
resultados de la investigación operativa y de la estadística.

Un SIATD permite construir, validar y refinar modelos, y aplicarlos a datos extraídos tanto de la
base de datos propia del sistema como de la base de datos corporativa de la organización o de
otros suministradores externos de datos. También incluye herramientas para representar estos
datos o los resultados de las aplicaciones de los modelos, según varias formas gráficas, más
sintéticas y clarificadoras.
 Herramientas de Verificación

Un Data Warehouse precisa de un conjunto de pasos desde su creación hasta su explotación final. En todos estos pasos se
precisa de una herramienta que nos permita simplificar su ejecución. Debido a la amplia variedad de herramientas
disponibles, y para asegurar la idoneidad de la herramienta, caben varias alternativas:

● Evaluación distribuida: En ella se evaluaría cada herramienta en un paso concreto. Se vería cuál es la que mejor se
adapta a nuestras necesidades, y a continuación, examinaremos la compatibilidad en cascada de todas ellas.

● Evaluación centralizada: En ella se evaluaría el soporte que cada herramienta proporciona a todos los pasos, y a
continuación se examina cuál es la que globalmente se adecua de forma global a nuestras necesidades.

● La elección de una u otra alternativa tiene sus ventajas e inconvenientes: la primera nos permitiría obtener la mejor
herramienta (la de mejor relación cumplimiento expectativas/ precio), pero podría comprometer la cadena completa
de uso de un Data Warehouse. Lo contrario ocurriría en la segunda alternativa.
Funcionalidades y Beneficios

Estas herramientas nos permiten consultar información de interés la misma que se encuentra
estructurada en un Data Warehouse, estas consultas permiten:

● Dar soluciones analiticas para areas funcionales del negocio

● Explorar los datos según las necesidades

● Visualizaciones dinámicas a traves de informes inteligentes

Herramientas de Consulta e Informes
 Herramientas de Consulta e Informes

EIS

Dashboards

Reportes y Consultas
Data Mining
Características Compartidas

● Accesibilidad a la información
● Apoyo en la toma de decisiones
● Orientación los usuarios finales
Fases del proceso de consulta

● Definición de la Consulta
● Acceso a los Datos
● Manipulación y Cálculo
● Elaboración del Informe
● Liberación del Informe
Tipos y planificación de las consultas

➔ Consultas Empaquetadas
◆ Ejecución Periódica
◆ Sin Intervención de usuario
➔ Consultas Ad-Hoc
◆ Consultas Recurrentes y Aleatorias
◆ Respuesta a necesidad concreta de información
Proceso de consulta
Herramientas de análisis
multidimensional
¿Cómo funciona OLAP?

● Independiente del origen.

● Ofrece una vista
multidimensional.
● Orientado a un tema.
● Se nutre de las BD Relacionales.
● Esquema Snowflake o Star.
● Compuesto de dimensiones,
medidas y hechos.
¿Cómo se analiza un OLAP? Slice and Dice.
¿Cómo se analiza un OLAP? Pivot, Drill
Down, Roll Up y Consolidate.
Motores de Cálculo y transformación.

Es un componente de modelado de datos multidimensionales. Sirve para crear un modelo

multidimensional: una presentación de negocio de la información de uno o varios orígenes de
datos con datos compartidos. Una vez añadidos los metadatos necesarios de los paquetes, los
informes y otros orígenes de datos, modeladas las dimensiones, personalizadas las medidas y
aplicadas las vistas protegidas con filtrado dimensional, podrá crear cubos a partir de ese
modelo. Podrá desplegar esos cubos para soportar la realización de análisis y la creación de
informes OLAP.
Cálculo de estadísticas y agregados a lo
largo de distintas dimensiones.
Cálculo de estadísticas y agregados a lo
largo de distintas dimensiones.
Forecasting, métricas, simulaciones y
tendencias.
Presentación de informes.
Almacenamiento ROLAP y MOLAP

ROLAP MOLAP

● Resume la información.
● Datos detallados. ● Calcula por adelantado.
● Evita las sumatorias. ● Tecnicas de compresion.
● Tablas desnormalizadas.
● Formato Snowflake o Star.
● Permite el análisis de una gran
cantidad de datos.
Conclusión

En conclusión pudimos observar una breve parte de lo que son las herramientas de verificacion
y validacion en el mundo de los data warehouse, explicando en si, su utilidad y propósito en el
ciclo por definición y posicionamiento de los data warehouses en la cotidianeidad de las
empresas.
Bibliografía

http://skat.ihmc.us/rid=1M07FBG65-1FSZBXK-1N8R/Cap%C3%ADtulo%203.-%20Data%20
warehouse.cmap

http://cv.uoc.edu/UOC/a/moduls/90/90_329/web/nwin/m3/imagelink07.html

http://www.dataprix.com/36-herramientas-consulta-y-analisis#x1-690003.6