Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ASIGNATURA
“Inteligencia de Negocios”
TAREA No. 3
Data Warehouse
CATEDRATICA
Dra. Ana Posas
ALUMNO
Tatiana Berenice Soriano Moncada
CUENTA
201610060021
Introducción
Las particularidades de los data warehouse hacen, que los modelos de datos y las estrategias de diseño
utilizadas para bases de datos operacionales, generalmente no sirvan para el diseño de un data
warehouse. Esto implica, que se utilicen nuevas técnicas y estrategias de diseño.
Analizar para interpretar y modelar las necesidades de negocio, procesando la información disponible
en fuentes internas y externas, donde los datos por sí solos no dicen nada, a menos que sean
transformados en conocimiento a partir del uso de metodologías probadas de business intelligence y
business analytics.
De igual forma el Data warehouse también puede definirse como una base con información de sistema
de archivos electrónicos, que almacena los datos necesarios para el análisis de la información y la
toma de decisiones. Su diferencia radica en que que está orientada al negocio, integrada, variante en el
tiempo y no volátil.
Son varios los aspectos que caracterizan el Data warehouse que proporcionan las herramientas
necesarias para su optima utilización, cumpliendo así lineamientos programados que generen las
herramientas para su suso de la mejor manera posible.
Orientada al negocio
Al Data Warehouse sólo ingresan datos relevantes para el análisis y toma de decisiones. Es decir, no se
consideran datos que no tienen valor analítico, como por ejemplo, direcciones de habitación, códigos
postales, direcciones de correo, entre otros. Pero son de interés variables como, tipo de cliente,
ubicación geográfica, edad, etc.
Se manejan entidades de alto nivel, como clientes, productos, rubros, zonas, y otros. Los datos se
guardan de forma multidimensional, es decir en tablas de hechos y dimensiones.
Todos los datos provenientes de fuentes heterogéneas se consolidan para garantizar su calidad y
limpieza.
Integrada
• Medio: Genera datos con implicación a corto y mediano plazo, basados en los datos operacionales.
Un buen ejemplo de este concepto es la generación de inventarios.
• Gerencial: Emplea datos resultantes del proceso de integración y transformación. A su vez, genera
nueva información. Se refiere, básicamente, al usuario del Data Warehouse.
• Áreas: Cada una tiene responsabilidades bien definidas. Producen datos propios que son compartidos
con las demás áreas.
• Subdivisiones: Suelen ser geográficas. Aportan datos de localización, que deben ser incorporados
junto con los demás.
Según la fuente
Variante en el tiempo
Permite el acceso a diferentes versiones de una misma situación, ya que los datos actuales son
almacenados junto con los históricos, en los ejemplos de data warehouse.
No volátil
Garantiza la estabilidad de la información, ya que una vez que los datos entran, no cambian. Es decir,
los datos son manipulados únicamente cuando se introducen y cuando se consultan.
Cualidades
Maneja datos en volumen, consecuencia de la acumulación de datos históricos, actuales y agregados,
provenientes de diversas fuentes.
Beneficios
• Reduce el tiempo mínimo que se requiere para recoger todos los datos relevantes acerca de un tema
en específico.
Un Data Warehouse puede adaptarse a cualquier organización, sin importar su tamaño y complejidad.
Esto es como consecuencia de la agenda de cualquier institución, empresa u organización al momento
de tomar decisiones pertinentes referentes a los datos que produce.
Riesgos de aplicación
Requiere una gran inversión por parte de la organización. Los beneficios de su implementación no se
ven a corto plazo, sino a mediano y largo plazo.
Costos de aplicación
El costo de construcción implica los costos de recursos humanos, tiempo y tecnología, mientras que el
de operación y mantenimiento, contempla los costos de evolución, crecimiento y los producidos por
los cambios en el origen de los datos.
Con la aplicación de un Data Warehouse pueden quedar al descubierto ciertas deficiencias en los
procesos empresariales, pero al mismo tiempo aumenta la confianza en las decisiones tomadas en base
a los resultados arrojados por la misma.
Arquitectura
• Los datos son tomados de diversas fuentes, como servicios web, archivos y otras bases de datos,
tanto internas como externas.
• Una vez extraídos los datos, estos son integrados, transformados y limpiado, para posteriormente ser
cargados en el Data Warehouse.
• Finalmente, los usuarios pueden consultar y explorar los reportes y análisis generados.
Elementos
Vamos ahora a describir algunos de los elementos que se pueden evaluar en el Data Warehouse que
deben ser de nuestra consideración.
Extracción
Incluye técnicas enfocadas en obtener, desde diversas fuentes, sólo los datos relevantes y mantenerlos
en un almacenamiento interno. Este tipo de almacenamiento permite manipular los datos sin intervenir
ni alterar con mas datos las fuentes ni el Data Warehouse, crear una capa de extracción entre la lectura
y la carga, almacenar y gestionar los metadatos que se generan en el proceso y facilitar la integración.
La extracción se basa en las necesidades de los usuarios y los requisitos definidos para la solución.
Conclusiones
Las bases de datos desempeñan un papel fundamental en casi todas las áreas donde se utilizan
computadoras. Hoy en día, existen muchos desafíos en el sistema de minería de datos. Un gran
ejemplo de almacenamiento de datos con el que todos pueden identificarse es lo que hace Facebook.
La minería de datos es muy utilizada en contextos de detección de fraude, como ayuda en campañas
de marketing, e incluso los supermercados la utilizan.
.
Bibliografía