Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de Negocio
Semana 2
1. Resumen de Semana 1
1. Henry Ford “El fracaso es una gran oportunidad para empezar otra
vez con más inteligencia”
Resumen Semana 12
Resumen Semana 1 (MapaTitular
Conceptual)
Detectar ¿Cuando es
necesario BI?
BI
Tipos de DSS
De Acuerdo a la
jerarquía el tipo de
info
Pirámide de Información
INICIO SEMANA2
Actividad Tareas y Pendientes
Titular
Martes 6 Septiembre Entrega de Caso de Estudio con las preguntas y Conclusiones (GRUPO) 5%
2. ¿Los clientes en línea son en realidad clientes mejores, y si la adopción del canal en línea
produce realmente clientes mejores?
CASO DE ESTUDIO 4. ¿Qué implicaciones tiene esto para la decisión de la dirección de los descuentos o cargos
para el uso del canal?
Entrega
Martes 6 Septiembre
Conclusiones
¿Datawarehouse que es ?Titular
Que es?
¿Datawarehouse que es ?Titular
Resumiendo, el data warehouse presenta las siguientes características:
Es un contenedor de datos activos, es decir operacionales que ayudan al soporte de decisiones y a la operaci
ón. Su función es integrar los datos al igual que en el Data warehouse pero con una ventana de actualizació
n muy pequeña (del orden de minutos) y con mucho menos detalle.
Elementos de Datawarehouse
Titular
Staging area: es el sistema que permanece entre las fuentes de datos y el data warehouse con el objetivo de:
1. Facilitar la extracción de datos desde fuentes de origen con complejidad grande.
2. Mejorar la calidad de datos.
3. Ser usado como caché de datos operacionales con el que posteriormente se realiza el proceso de data
warehousing .
4. Acceder en detalle a información no contenida en el data warehouse
Elementos de Datawarehouse
Titular
Procesos ETL: tecnología de integración de datos basada en la consolidación de datos que se emplea
tradicionalmente para alimentar almacenes de datos de cualquier tipo: data warehouse , datamart , staging
área y ODS.
Elementos de Datawarehouse
Titular
Metadatos: datos estructurados y codificados que describen características que ayudan a identificar,
descubrir, valorar y administrar las información descrita en las tablas.
¿Tabla de Hechos ? Titular
Tabla de hecho: es la representación en el data warehouse de los procesos de negocio de la organización.
Por ejemplo, una venta puede identificarse como un proceso de negocio, de manera que es factible, si
corresponde en nuestra organización, considerar la tabla de hecho ventas.
Diferencia Modelo :
Estrella vs Copo de Nieve
Tabla de hechos (Esquemas de estructura
de datos)
Elementos de un Datawarehouse
Titular
Dimensión: es la representación en el data warehouse de una vista para un cierto proceso de negocio. Si
regresamos al ejemplo de una venta, para esta tenemos el cliente que ha comprado, la fecha en la que se ha
realizado, etc. Estos conceptos pueden ser considerados como vistas para este proceso de negocio. Puede ser
interesante recuperar todas las compras realizadas por un cliente. Ello nos hace entender por qué la
identificamos como una dimensión.
Explicación Tabla de
hechos y una Tabla de
Dimensión.
Elementos de un Datawarehouse
Titular
Métricas: son los indicadores de un proceso de negocio; aquellos conceptos cuantificables que permiten
medir nuestro proceso de negocio. Por ejemplo, en una venta tenemos su importe.
Métricas
Actividad 1 Titular
1. Comprender el problema
El equipo de desarrollo de data warehouse debe realizar un diagnóstico de la cantidad de datos que maneja
la empresa y las transformaciones digitales que se deben implementar, en caso sea necesario.
6. Documentar
Para que un data warehouse sea exitoso, necesita ser parte funcional de las operaciones de una empresa y
evolucionar a medida que el negocio también crezca. Por lo tanto, una buena documentación de cómo se
ha venido desarrollando el almacén de datos y los logros que se han alcanzado gracias a él garantizarán su
continuidad.
Datawarehouse Titular
Arquitectura de BI
Diferencia entre :
Datalake, Datawarehouse y
Data Mart
Titular
Diseño del proceso de ETL
Una vez implementado el modelo en el data warehouse , el siguiente paso es la carga de los datos. Para
ello, se usa la integración de datos. En un contexto empresarial, la integración puede darse en cuatro
grandes áreas:
Ejemplo: KNIME
Titular
Diseño del proceso de ETL
2) Integración de aplicaciones: proporciona una visión unificada de todas las aplicaciones tanto
internas como externas a la empresa. Esta integración se consigue mediante la coordinación de los
flujos de eventos (transacciones, mensaje o datos) entre aplicaciones.
3) Integración de procesos de negocio: proporciona una visión unificada de todos los procesos de
negocio. Su principal ventaja es que las consideraciones de diseño del análisis e implementación de los
procesos de negocio son aislados del desarrollo de las aplicaciones.
Se entiende por OLAP, o proceso analítico en línea, el método para organizar y consultar datos sobre
una estructura multidimensional. A diferencia de las bases de datos relacionales, todas las potenciales
consultas están calculadas de antemano, lo que proporciona una mayor agilidad y flexibilidad al usuario
de negocio.
Básicamente, el Gobierno de datos abarca de forma directa o indirecta los siguientes aspectos:
1. Políticas corporativas.
2. Procesos de producción.
3. Recursos humanos.
4. Uso de recursos tecnológicos.
Actividad 2 (Grupo) Titular
Preguntas
1. ¿Tenemos que comenzar cobrando por el uso del canal de banca en línea o si debemos
empezar ofreciendo a los clientes incentivos como descuentos y precios de servicio más
bajos para motivar un mayor uso del canal?
2. ¿Los clientes en línea son en realidad clientes mejores, y si la adopción del canal en línea
produce realmente clientes mejores?
CASO DE ESTUDIO 4. ¿Qué implicaciones tiene esto para la decisión de la dirección de los descuentos o cargos
para el uso del canal?
Entrega
Martes 6 Septiembre
Conclusiones
Conclusiones Titular
• EL diseño de un Datawarehouse puede ser bastante variado en su estructura ya que pueden contener datos tantos estructurados como no estructurados, lo
que en ambos escenarios sirven para analizar de forma cuantitativa y cualitativa para el caso de los agrupados en filas o listas y en el caso de por ejemplo
videos o imágenes puede ser un suministro importante para incluso la realidad virtual.
• El diseño elegido del datawarehouse deberá estar enfocado principalmente en la necesidad del usuario y su crecimiento a corto, mediano y largo plazo
aunado con las políticas y reglamentos generados desde el gobierno de datos.
• Antes de implementar un data warehouse, debemos entender bien su funcionamiento y los data mart que este alimentará, debemos asegurarnos de que las
fuentes de datos sean confiables y recaben datos necesarios (sean estos o no estructurados) para resolver las necesidades de la empresa y asegurar una
correcta transformación de estos, de tal manera que contemos con un data warehouse robusto y con apertura al crecimiento de la compañía y del flujo de
la información.
• Los modelos de la data warehouse deben seleccionarse según las necesidades y situación de la empresa a corto y mediano plazo, sin descartar uno u otros,
o considerar que hay mejores o peores modelos en la estructura de los data warehouse.
• El datawarehousing podemos deducir que es un sistema que engloba todos los procesos de la empresa, y que a su vez esta segmentado a través de
Datamart donde podemos observar toda aquella información necesaria para realizar el análisis de un área en específico.
• El gobierno de datos proporciona lineamientos y se rige por políticas que permite que la información sea más transparente. Cada una de las áreas debe
regirse mediante procesos que estén previamente determinados.