Funcionalidad Business Intelligence SLQ Server 2008

Edicin Express
NO NO

Caractersticas
Analysis Services Data Mining

Edicin Workgroup
NO NO

Edicin Standard
SI SI

Edicin Enterprise
SI SI

Qu es Analysis Services? Microsoft SQL Server Analysis Services proporciona funciones de procesamiento analtico en lnea (OLAP) y minera de datos para aplicaciones de Business Intelligence (BI). Analysis Services admite OLAP al permitirle disear, crear y administrar estructuras multidimensionales que contienen datos agregados desde otros orgenes de datos, por ejemplo bases de datos relacionales. Introduccin a La Tecnologa OLAP El Proceso analtico en lnea (OLAP) es la tecnologa que permite a las aplicaciones de cliente el acceso eficiente a los almacenes y puestos de datos (almacenes donde se analizan los datos). OLAP proporciona muchas ventajas a los usuarios que realizan anlisis, por ejemplo:

Un modelo de datos intuitivo y multidimensional que facilita la seleccin, recorrido y exploracin de los datos.
Un lenguaje analtico de consulta que proporciona la capacidad de explorar las complejas relaciones existentes entre los datos empresariales. Un pre clculo de los datos consultados con ms frecuencia que permite una rpida respuesta a las consultas.

En un modelo de datos OLAP, la informacin es vista como cubos, los cuales consisten de categoras descriptivas (dimensiones) y valores cuantitativos (medidas). El modelo de datos multidimensional simplifica a los usuarios formular consultas complejas, arreglar datos en un reporte, cambiar de datos resumidos a datos detallados y filtrar o rebanar los datos en subconjuntos significativos. Por ejemplo, las dimensiones tpicas de un cubo que contenga informacin de ventas incluiran: tiempo, regin, producto, canal, organizacin y escenario (planeado o real). Las medidas tpicas incluiran: ventas en dlares (u otra moneda), unidades vendidas, nmero de personas, ingresos y gastos. Un almacn de datos es una base de datos que contiene la informacin que, normalmente, representa el historial empresarial de una organizacin. Estos datos histricos se utilizan para realizar anlisis que apoyen las decisiones empresariales a diferentes niveles, desde el diseo estratgico a la evaluacin del rendimiento de una unidad determinada de la organizacin. Los datos contenidos en un almacn de datos se encuentran organizados para permitir el anlisis ms que para procesar transacciones en tiempo real como ocurre en los sistemas de proceso de transacciones en lnea (OLTP, Online Transaction Processing).

La tecnologa OLAP permite un uso ms eficaz de los almacenes de datos para el anlisis en lnea, lo que proporciona respuestas rpidas a consultas analticas complejas e iterativas.

Los modelos de datos multidimensionales de OLAP y las tcnicas de agregados de datos organizan y resumen grandes cantidades de datos para que puedan ser evaluados con rapidez mediante el anlisis en lnea y las herramientas grficas.

La respuesta a una consulta realizada sobre datos histricos a menudo suele conducir a consultas posteriores en las que el analista busca respuestas ms concretas o explora posibilidades.

Los sistemas OLAP proporcionan la velocidad y la flexibilidad necesarias para dar apoyo al analista en tiempo real.

Introduccin a La Tecnologa OLTP En muchas ocasiones, un almacn de datos se utiliza como el fundamento de un sistema de ayuda para la toma de decisiones. Los almacenes de datos se han diseado para superar algunos de los problemas que una organizacin encuentra cuando intenta realizar un anlisis estratgico mediante la misma base de datos que utiliza para realizar el proceso de transacciones en lnea (OLTP). Normalmente, los sistemas OLTP: o Admiten el acceso simultneo de muchos usuarios que agregan y modifican datos. o Contienen grandes cantidades de datos, incluidos los datos extensivos utilizados para comprobar transacciones. o Tienen estructuras complejas. o Se ajustan para dar respuesta a la actividad transaccional. o Proporcionan la infraestructura tecnolgica necesaria para admitir las operaciones diarias de la empresa.

Dificultades de la Tecnologa OLTP para realizar Anlisis en Lnea. o Los analistas carecen de la experiencia tcnica necesaria para crear consultas "ad hoc" (para un fin especfico) contra la compleja estructura de datos.

o Las consultas analticas que resumen grandes volmenes de datos afectan negativamente a la capacidad del sistema para responder a las transacciones en lnea.
o El rendimiento del sistema cuando est respondiendo a consultas analticas complejas puede ser lento o impredecible, lo que causa un servicio poco eficiente a los usuarios del proceso analtico en lnea. o Los datos que se modifican con frecuencia interfieren en la coherencia de la informacin analtica. o La seguridad se complica cuando se combina el anlisis en lnea con el proceso de transacciones en lnea.

Tecnologa OLAP Vs. Tecnologa OLTP

Almacn de Datos (Datawarehouse ). o Organizan los datos para analizarlos. o Pueden combinar datos de orgenes heterogneos en una nica estructura homognea. o Organizan los datos en estructuras simplificadas buscando la eficiencia de las consultas analticas ms que del proceso de transacciones. o Contienen datos transformados que son vlidos, coherentes, consolidados y con el formato adecuado para realizar el anlisis. o Proporcionan datos estables que representan el historial de la empresa o Se actualizan peridicamente con datos adicionales, no con transacciones frecuentes. o Simplifican los requisitos de seguridad.

o Proporcionan una base de datos organizada para OLAP, no para OLTP.

Data mart. Un Data mart es una versin especial de almacn de datos (data warehouse). Son subconjuntos de datos con el propsito de ayudar a que un rea especfica dentro del negocio pueda tomar mejores decisiones.

Entre las caractersticas de un data mart destacan: o Usuarios limitados. o rea especifica. o Tiene un propsito especifico. o Tiene una funcin de apoyo.

Minera de Datos Data Mining constituye un miembro clave del Business Intelligence (BI) y permite analizar datos, hallando patrones escondidos, de manera automtica o semiautomtica. En lo que va del tiempo muchas empresas han acumulado una gran cantidad de datos en sus bases de datos, el resultado de esta coleccin de datos es que las organizaciones tienen datos ricos pero pobre conocimiento. El propsito principal de la Minera de Datos (Data Mining) es extraer de los datos patrones, incrementar su valor intrnseco y transformar la data en conocimiento. El DM proporciona un enorme valor a las organizaciones. En estos tiempos el DM puede implementarse con ms transparencia debido a: o Gran cantidad de data disponible. o Alto nivel de competencia.

o Tecnologa Lista.

Estructura de minera de datos La estructura de minera de datos es una estructura de datos que define el dominio de datos a partir del cual se generan los modelos de minera de datos. Una nica estructura de minera de datos puede contener varios modelos de minera de datos que comparten el mismo dominio. Las unidades de creacin de la estructura de minera de datos son las columnas de la estructura de minera de datos. Estas columnas contienen informacin como el tipo de datos, el tipo de contenido y el modo en que se distribuyen los datos. Una estructura de minera de datos tambin puede contener tablas anidadas. Una tabla anidada representa una relacin de uno a varios entre la entidad de un escenario y sus atributos relacionados. Por ejemplo, si la informacin que describe al cliente se encuentra en una tabla y las compras del cliente en otra, puede utilizar tablas anidadas para combinar la informacin en un nico escenario. El identificador del cliente es la entidad y las compras son los atributos relacionados. La estructura de minera de datos no contiene informacin sobre el modo en que las columnas se utilizan para un modelo de minera de datos concreto, ni sobre el tipo de algoritmo que se utiliza para generarlo; esta informacin se define en el propio modelo de minera de datos.

UDM (Unified Dimensional Model) La funcin de un modelo UDM (Unified Dimensional Model) es aproximar los orgenes de datos al usuario. Un UDM se genera a partir de uno o varios orgenes de datos fsicos. El usuario emite consultas en el UDM mediante diversas herramientas de cliente, como Microsoft Excel. Existen ventajas para el usuario final aun cuando el modelo UDM slo se genere como una fina capa sobre el origen de datos: un modelo de datos ms sencillo y ms fcil de comprender, el aislamiento de orgenes de datos de servidor heterogneos y un rendimiento mejorado para las consultas de tipo de resumen. En algunos escenarios, un modelo UDM simple se puede generar automticamente. Una mayor inversin en la generacin del modelo UDM puede generar ventajas adicionales por la gran cantidad de metadatos que puede proporcionar el modelo.
Mejora notablemente el modelo del usuario. Proporciona consultas de alto rendimiento que admiten un anlisis interactivo. Captura las reglas de negocio del modelo para proporcionar un anlisis mejorado. Permite que los usuarios acten segn los datos que ven.

Ejemplos de Algoritmos

Arboles de decision

Clustering

Series temporales

Clustering secuencial

Asociacin

Redes neuronales

OBJETOS DE ANALYSIS SERVICES Orgenes de datos Un origen de datos representa una conexin a un origen de datos y contiene la cadena de conexin que define el modo en que Analysis Services conecta con un almacn de datos fsico mediante un proveedor Microsoft .NET Framework administrado o un proveedor OLE DB nativo. La cadena de conexin contiene informacin sobre el nombre del servidor, la base de datos, la seguridad, el tiempo de espera y otra relacionada con la conexin. Analysis Services admite directamente muchos orgenes de datos. Entre los orgenes de datos admitidos se incluyen las bases de datos de Microsoft SQL Server y las creadas mediante otros productos, como Oracle, DB2 y Teradata.

Vistas de origen de datos Una vista de origen de datos contiene el modelo lgico del esquema que utilizan los objetos de las bases de datos de Analysis Services: cubos, dimensiones y estructuras de minera de datos.
o Contiene los metadatos que representan objetos seleccionados a partir de uno o ms orgenes de datos subyacentes para generar un almacn de datos relacional subyacente. o Se puede generar con uno o ms orgenes de datos, lo que permite definir objetos OLAP y de minera de datos que integren datos de varios orgenes. o Puede contener relaciones, claves principales, nombres de objeto, columnas calculadas y consultas que no estn presentes en un origen de datos subyacente y que son independientes de los orgenes de datos subyacentes. o No est visible ni disponible para que las aplicaciones cliente realicen consultas.

Vistas de origen de datos La vista de origen de datos le ofrece flexibilidad a la hora de crear objetos en Analysis Services (SSAS), Integration Services (SSIS) y Reporting Services (SSRS), dado que los objetos de bases de datos Analysis Services estn vinculados a los objetos lgicos contenidos en la vista de origen de datos en lugar de estar directamente vinculados a los objetos fsicos subyacentes definidos en el origen de datos subyacente. Por lo tanto, el usuario puede definir objetos lgicos, como columnas calculadas o consultas con nombre, que no existen en un origen de datos subyacente y a los que es posible que no tenga permisos para definir en un origen de datos subyacente.

CUBOS
Un cubo es un conjunto de medidas y dimensiones relacionadas que se usa para analizar datos.

Cubos. Una medida es un hecho, que es un valor o medida transaccional que un usuario podra desear agregar. Las medidas se obtienen de las columnas de una o varias tablas de origen y se agrupan en grupos de medida.
Una dimensin es un grupo de atributos que representa un rea de inters relacionada con las medidas del cubo y que se usan para analizar las medidas del cubo. Por ejemplo, una dimensin Customer podra tener los atributos Customer Name, Customer Gender y Customer City, lo que permitira que Customer Name, Customer Gender y Customer City analizaran las medidas del cubo. Los atributos se obtienen de las columnas de una o varias tablas de origen. Los atributos de cada dimensin se pueden organizar en jerarquas para proporcionar rutas para el anlisis. Un cubo se aumenta con clculos, indicadores clave de rendimiento (KPI), acciones, particiones, perspectivas y traducciones. Los cubos son esencialmente sinnimos de un modelo UDM (Unified Dimensional Model). Los cubos se desarrollan en funcin de tablas y vistas modeladas en una vista de origen de datos.

Los hechos de un cubo se agregan a todas las dimensiones, en funcin de las jerarquas de dimensiones.

Dimensiones
Las dimensiones constituyen un componente fundamental de los cubos. Las dimensiones organizan los datos en funcin de un rea de inters para los usuarios, por ejemplo clientes, almacenes o empleados. Las dimensiones en Analysis Services contienen atributos que corresponden a columnas de tablas de dimensiones. Estos atributos aparecen como jerarquas de atributo y se pueden organizar en jerarquas definidas por el usuario, o bien se pueden definir como jerarquas de elementos primarios y secundarios basadas en columnas en la tabla de dimensiones subyacente. Las jerarquas se utilizan para organizar las medidas incluidas en un cubo.

Funciones. Las funciones se utilizan para administrar la seguridad de los objetos y datos de Analysis Services. En trminos simples, una funcin asocia los identificadores de seguridad (SID) de usuarios y grupos de Microsoft Windows que tienen derechos y permisos de acceso especficos a los objetos administrados por una instancia de Analysis Services. En Analysis Services se incluyen dos tipos de funciones: o La funcin del servidor, que es una funcin fija que proporciona acceso de administrador a una instancia de Analysis Services. o Las funciones de base de datos, que son funciones definidas por los administradores para controlar el acceso a los objetos y datos de los usuarios que no son administradores.

Ensamblados Analysis Services (SSAS) proporciona gran cantidad de funciones intrnsecas que se pueden utilizar con los lenguajes MDX (Expresiones multidimensionales) y DMX (Extensiones de minera de datos), diseados para realizar multitud de tareas, desde el clculo estadstico estndar hasta recorridos de miembros de una jerarqua. No obstante, al igual que con cualquier otro producto complejo, existe siempre la necesidad de ampliar la funcionalidad. medida.
Por lo tanto, Analysis Services permite agregar ensamblados a una instancia o base de datos de Analysis Services. Los ensamblados permiten crear funciones externas definidas por el usuario mediante cualquier lenguaje CLR (Common Language Runtime), como por ejemplo Microsoft Visual Basic .NET o Microsoft Visual C#. Tambin puede utilizar lenguajes de automatizacin COM (Modelo de objetos componentes), como Microsoft Visual Basic o Microsoft Visual C++.

Administrar Analysis Services

La administracin de Analysis Services (SSAS) incluye la administracin de todas las instancias mediante el mantenimiento de la seguridad ptima, la implementacin, la copia de seguridad y restauracin de las bases de datos, el procesamiento de objetos, la automatizacin de tareas y la supervisin de la actividad de una instancia de Analysis Services. Administrar y Mantener Analysis Services La administracin de una instancia de Analysis Services (SSAS) se compone de la administracin del propio servicio Analysis Services, el establecimiento de las propiedades de configuracin de Analysis Services, la administracin del almacenamiento de datos utilizando particiones locales y remotas, la copia de seguridad y la restauracin, y la finalizacin de la actividad del usuario cuando sea necesario.

Realizar copias de seguridad y restaurar una base de datos de Analysis Services

Las copias de seguridad permiten a los administradores guardar un estado especfico de una base de datos de Microsoft SQL Server 2005 Analysis Services (SSAS) y sus objetos. La restauracin permite a los administradores restaurar una base de datos Analysis Services a un estado anterior. Las razones para hacer copias de seguridad incluyen la recuperacin de datos y la preparacin de auditoras En general, las copias de seguridad de Analysis Services contienen metadatos y un subconjunto de datos de origen y/o agregaciones, no la totalidad de los datos de detalle subyacentes.

Procesamiento en Analysis Services Como administradores, se debe mantener actualizados los objetos de Analysis Services (SSAS) en las bases de datos de produccin mediante su procesamiento. El procesamiento es el paso, o la serie de pasos, que llenan los objetos de Analysis Services con datos de orgenes de datos relacionales. El procesamiento vara en funcin del tipo de objeto y la seleccin de las opciones de procesamiento. Mientras el trabajo de procesamiento est en funcionamiento, se puede obtener acceso a los objetos afectados de Analysis Services para realizar consultas. Si se produce un error en el trabajo de procesamiento, la transaccin se revierte. Si el trabajo de procesamiento se realiza correctamente, se aplica un bloqueo exclusivo al objeto al confirmar los cambios, lo que significa que el objeto no est disponible temporalmente para consultas o procesamiento. Durante la fase de confirmacin de la transaccin, se pueden seguir enviando consultas al objeto, pero se pondrn en cola hasta que la confirmacin se complete.

Finalizar la actividad de los usuarios Es posible que un administrador desee dar por terminada la actividad de los usuarios como parte de la administracin de la carga de trabajo. Esto se lleva a cabo cancelando sesiones y conexiones.

Las sesiones se pueden formar automticamente cuando se ejecuta una consulta (implcito) o definirse en el momento en que las crea el administrador (explcito). Las conexiones son conductos abiertos con los que se pueden ejecutar las consultas.
Tanto las sesiones como las conexiones se pueden terminar aunque estn activas. Por ejemplo, es posible que un administrador desee finalizar el procesamiento de una sesin si dicho procesamiento est tardando demasiado o si han surgido dudas sobre si el comando que se est ejecutando est correctamente escrito.

Terminar sesiones y conexiones Debido a que no hay interfaz de usuario para administrar sesiones y conexiones, el administrador utiliza el comando Cancelar a travs de XMLA EXECUTE METHOD para finalizar una sesin o una conexin. La finalizacin de una sesin detiene todos los comandos que se estn ejecutando como parte de dicha sesin. La finalizacin de una conexin cierra su sesin del host. No obstante, Analysis Services no puede cerrar una conexin si no puede realizar un seguimiento de todas las sesiones que ha abierto, por ejemplo, cuando hay varias sesiones abiertas en un escenario HTTP.

Analysis Services (Microsoft) VS Business Objects (SAP)

Tanto Anslysis Services como Bussines Ojects son dos suites de herramientas de Business Inteligence (BI). Ventajas Analysis Services

VS

o Es de Microsoft, porque es una ventaja, si tenemos como servidores de Base de Datos SQLSERVER, os puedo decir con toda seguridad que no vamos a tener ninguno problema de integracin (Microsoft suele cuidar la integracin entre sus sistemas). o Para analizar los informes o reports que hagamos de BI podemos emplear el EXCEL atacando directamente a los CUBOS OLAP. o La instalacin es relativamente sencilla, y en poco tiempo podramos tener funcionando nuestro Analysis Services.

o Reporting Services de Microsoft es una herramienta muy potente que permite atacar a cubos OLAP o a BBDD relacionales.

Analysis Services (Microsoft) VS Business Objects (SAP)

Ventajas Business Objects o La herramienta web, INFOVIEW, para poder ver los informes (o documentos de Web Inteligence como se llaman en BO) est a aos luz de distancia de los EXCEL SEVICES de Microsoft. Con INFOVIEW podemos aadir/quitar dimensiones modificar el informe en su totalidad como nos de la santa gana, con los EXCEL SERVICES no se puede modificar el informe. o En BO podremos cruzar datos de varios universos de una manera muy fcil, no necesitamos andar haciendo cubos virtuales, ni compartir dimensiones ni cosas raras... En el propio informe podremos hacer dos consultas a dos universos diferentes y con que haya una dimensin en comn en estos dos universos podemos mostrar la informacin.

Analysis Services (Microsoft) VS Business Objects (SAP)

Desventajas Analysis Services o Si queremos cruzar datos de varios CUBOS OLAP (aqu es as como se llaman los repositorios de la informacin) es muy trabajoso. o Los EXCEL SERVICES que es la herramienta de visualizacin web de AS de los informes, no est a la altura del resto de la herramienta.

Desventajas Business Objects o La mayor desventaja es que si vamos a disear documentos o reports con el Infoview tenemos que tener instalado el cliente de JAVA, y es una molestia, porque se cuelga, y da desbordamientos.... o El servidor que se encarga de hacer los envo al correo de informes en PDF, EXCEl... si bien viene integrado, no es tan potente como el Reporting Services solo podemos hacer envos de los informes que tengamos publicados, no podemos atacar a directamente a una BBDD o a una vista para generar el informe y enviarlo....