Alumna

Aline Clitzet Mendoza Vázquez

Docente

Ana Laura García de León Villegas

Matricula

64221002

Grupo y Grado

Posgrado

Licenciatura

Maestría

Materia

Analítica y minería de datos

Tema

Mapa Conceptual

Cd. Del Carmen, Campeche a 28 de marzo del 2022

 INTRODUCCIÓN

En la siguiente actividad de la semana 2, se realizó un mapa conceptual del

tema ETL (Extracción, Transformación y Carga), un proceso ETL es
extremadamente complejo, propenso a errores y consume mucho tiempo.

Año tras año se generan muchos más datos. Estamos constantemente

consultando nuestras redes sociales y usando nuestro teléfono móvil,
ordenador o Tablet. Es por esta cantidad de datos que hay que tratar en la
actualidad, que es tan importante el proceso de ETL: éste se encarga de
extraer, transformar y cargar los datos, además de gestionar y asegurarse de
su integración y coherencia. Todo ello nos permite extraer datos de un entorno
y cargarlos en un entorno destino, después de haberlos procesado.

ETL es el proceso donde se ponen a disposición los datos extraídos de

múltiples fuentes, se limpian y transforman en datos útiles, los cuales se cargan
en diferentes plataformas.
 CONCLUSIÓN

El modelado conceptual de procesos ETL se ha realizado desde la perspectiva

de las fuentes de datos, cuyos esfuerzos se centran en la representación y la
descripción formal de las transformaciones necesarias.

Si bien, las herramientas ETL clásicas tienen sus limitaciones, ya que no

mapean todo tipo de sistemas fuente o destino y no dan soporte a todo tipo de
transformaciones. Estas limitaciones se han ido mitigando en las últimas
versiones de estas herramientas, sobre todo en lo relativo a mapeo de fuentes
origen y destino.

Encontramos habitualmente problemas en el volumen de datos, su frecuencia

de actualización, estructuración de datos y diversidad de sistemas fuente, por
mencionar sólo algunos.
 BIBLIOGRAFÍA

1. J. Bailey, D. Budgen, M. Turner, B. Kitchenham, P. Brereton, and S. Linkman.

Evidence Relating to Object-Oriented Software Design: A survey. In
Proceedings of First International Symposium of Empirical Software
Engineering and Measurement, IEEE, 2007 [2]
2. S. Luján, and J. Trujillo. A data warehouse engineering process. In Tatyana M.
Yakhno, editor, ADVIS, volume 3261 of Lecture Notes in Computer Science,
pages 14-23. Springer, 2004.