Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseñando
bases de datos
Tipos de archivo: Los archivos se pueden usar para almacenar datos por un
período de tiempo indefinido, o se pueden usar para almacenar datos
temporalmente para un propósito específico. Los archivos maestros y los
archivos de tabla se utilizan para almacenar datos durante un período prolongado.
Los archivos temporales generalmente se denominan archivos de transacciones,
archivos de trabajo o archivos de informes.
Archivos maestros: Los archivos maestros contienen registros para un
grupo de entidades. Los atributos pueden actualizarse con frecuencia,
pero los registros en sí son relativamente permanentes. Estos archivos
tienden a tener registros grandes que contienen toda la información
sobre una entidad de datos. Cada registro generalmente contiene una
clave principal y varias claves secundarias.
Desventajas
• Espacio de almacenamiento adicional
• Las operaciones de actualización e inserción son más costosas
• Redundancia de datos
• Posibles anomalías en los datos
Almacenes de datos
Los almacenes de datos se diferencian de las
bases de datos tradicionales. El propósito de
un almacén de datos es organizar la
información para consultas rápidas y
efectivas. De hecho, almacenan datos
desnormalizados, pero van un paso más allá.
Organizan los datos en torno a temas. Los
datos almacenados en los almacenes de datos
provienen de diferentes fuentes, generalmente
bases de datos que se configuraron para
diferentes propósitos. Almacenan datos
actuales e históricos en un solo lugar que se
utilizan para crear informes analíticos para los
trabajadores de toda la empresa.
Ventajas
• Los almacenes de datos ofrecen soporte adicional para los datos, ya que están diseñados para
rastrear, administrar y analizar información, proporcionando un excelente entorno diseñado para
soporte de decisiones, informes analíticos y minería de datos.
• Un almacén de datos unificado trabaja de la mano con otros programas de análisis para promover
el crecimiento de la empresa.
• Todos los datos de la empresa están constantemente disponibles para fines de análisis y
planificación.
• Los usuarios pueden almacenar grandes cantidades de datos con una gran variedad de parámetros.
Esos datos pueden obtenerse de múltiples fuentes, generalmente no relacionadas.
• Un almacén de datos unificado tiene la capacidad de refinar los datos, eliminando información
redundante, mientras aumenta la calidad general de los datos.
• Mantiene la manipulación de datos al mínimo y la integridad al más alto nivel. Proporciona
información mejorada y actualizada
Online Analytical Processing (OLAP)
El procesamiento analítico en línea (OLAP) es una
categoría de software que permite a los usuarios analizar
información de múltiples sistemas de bases de datos al
mismo tiempo. Es una tecnología que permite a los
analistas extraer y ver datos comerciales desde
diferentes puntos de vista. OLAP es un brazo importante
de Business Intelligence, con bases de datos
relacionales, redacción de informes y minería de datos,
bajo su paraguas. OLAP realiza análisis
multidimensionales de datos comerciales y proporciona
la capacidad para cálculos complejos, análisis de
tendencias y modelado de datos sofisticado.
Minería de datos
La minería de datos es el proceso de encontrar anomalías, patrones y
correlaciones dentro de grandes conjuntos de datos para predecir resultados.
Usando una amplia gama de técnicas, puede utilizar esta información para
aumentar los ingresos, reducir los costos, mejorar las relaciones con los clientes,
reducir los riesgos y más.
Inteligencia Empresarial (Business Intelligence
(BI))
BI (Business Intelligence) es un conjunto de procesos, arquitecturas y tecnologías que
convierten datos sin procesar en información significativa que impulsa acciones comerciales
rentables. Es un conjunto de software y servicios para transformar datos en inteligencia y
conocimiento procesables.
La inteligencia empresarial se basa en la idea de procesar grandes volúmenes de datos. Como
analista de sistemas, es posible que se le solicite que cree sistemas que admitan BI, como un
almacén de datos que se considera como la entrada a la analítica. O puede estar involucrado en
la creación de gráficos o incluso hojas de cálculo que transmiten BI a los usuarios.
Las herramientas de inteligencia empresarial son fundamentales para una
medición eficaz mediante el uso de indicadores y métricas clave de
rendimiento en todos los niveles de una organización, en todas las industrias.
Las herramientas de inteligencia empresarial permiten a las empresas ver datos
históricos y actuales en contexto, lo que permite una mejor toma de decisiones
y / o desarrollo de predicciones en función de sus objetivos comerciales.
Pasos
• Análisis del comportamiento de los clientes
• patrones de compra y tendencias de ventas
• Medición, seguimiento y predicción del rendimiento financiero y de ventas
• Planificación y previsión presupuestaria y financiera
• Seguimiento del rendimiento de campañas de marketing
• Optimización de procesos y rendimiento operativo
• Mejora de la eficacia de la cadena de suministro y la entrega
• Análisis de datos de comercio electrónico y web
• Relación con el cliente
• Gestión Análisis de riesgos
• Análisis de impulsores de valor estratégico
Business analytics (BA) es un término que cubre las ideas del uso de big data
junto con una variedad de herramientas analíticas de base cuantitativa (como
estadísticas y modelos predictivos) para responder preguntas de administración
sobre tendencias y preguntas hipotéticas. Su salida puede utilizarse como entrada
para los tomadores de decisiones o como entrada para sistemas computarizados.
Business Analytics se enfoca al futuro, es decir, facilita la creación de una visión
futurible basado en modelos predictivos que influyen en la toma de nuevos
caminos y estrategias. El BA no estudia estadísticas internas como el BI, sino
que se sirve de diferentes fuentes: tendencias o indicadores macroeconómicos.
Text Analytics
El análisis de texto es el proceso de transformar documentos de texto
no estructurados en datos estructurados utilizables. El análisis de texto
funciona dividiendo oraciones y frases en sus componentes y luego
evaluando el papel y el significado de cada parte mediante el uso de
complejas reglas de software y algoritmos de aprendizaje automático.
Los analistas de datos y otros profesionales utilizan herramientas de minería de
texto para obtener información útil y conocimientos ricos en contexto a partir de
grandes volúmenes de texto sin procesar, como comentarios en redes sociales,
reseñas en línea y artículos de noticias. De esta manera, el software de análisis de
texto forma la columna vertebral de los programas de inteligencia empresarial,
incluida la voz del cliente.
El análisis de texto proporciona
información para los miembros de
la organización que desean tener un
enfoque rápido y visual, pero
decididamente cualitativo, para
analizar los datos de texto. Una
poderosa herramienta de software
de análisis de texto llamada
Leximancer ofrece un enfoque muy
sencillo, ya que básicamente no se
requiere configuración.