Documentos de Académico
Documentos de Profesional
Documentos de Cultura
lista de tabla
CAPITULO I
1. Marco Teórico
La presente investigación para su desarrollo requiere un marco teórico referente a Inteligencia de
Negocios y como se desarrolla un Data Mart. Como también a la Gestión Académica por la toma
de decisiones en el seguimiento académico de estudiantes.
● Variante en el tiempo: Los cambios producidos en los datos a lo largo del tiempo
quedan registrados para que los informes que se puedan generar reflejen esas
variaciones.
1.3.1. Objetivo
El Data Warehouse tiene como objetivo agrupar los datos de toda la empresa con el fin de facilitar
su análisis, de forma que sean útiles para acceder y analizar información sobre la propia empresa.
Fuente: Introducción al Business Intelligence, Jordi Conesa Caralt y Josep Curto Díaz
Orígenes de datos:
Son las que alimentan de información al Data Warehouse, están diseñadas para registrar grandes
cantidades de transacciones. Entre ella tenemos la base de datos OLTP (Una base de datos para
soportar procesos transaccionales).
Características:
• Se actualizan constantemente.
● La estructura de datos de la base: el tipo de los datos que hay en la base y la forma en que
se relacionan.
● Las restricciones de integridad: Un conjunto de condiciones que deben cumplir los datos
para reflejar correctamente la realidad deseada.
● Puede requerir menos transformación de datos que otros esquemas como los
esquemas en estrella.
En la siguiente figura se puede ver un diseño de un esquema 3FN obtenido de “Data Warehousing
Guide”
figura 4: ejemplo de un esquema en 3FN
CAPITULO II
2. El Data Mart para Mejorar el Seguimiento Académico
de Estudiantes en la Toma de Decisiones
2.1. Gestión del Proyecto
Para la elaboración del plan del proyecto se ha tomado como referencia el Ciclo de Vida de la
elaboración de un Data Warehouse definido por Ralph Kimball.
Proyecto de
Implentación de
un Data Mart
Definición de Modelado
Diseño Fisico ETL Implementación
Requerimientos Dimensional
Definición de Requerimientos
Modelado Dimensional
35
- Análisis de la fuente de datos
- Transformación de datos
15
- Pruebas y validación
- Carga de datos
Implantación
- Crear el cubo
10
- Revisión del alcance
- Pruebas
Tasa
Nombre del recurso Tipo estánda/H Cant. Costo
orar